文献

J-GLOBAL ID：202002258899454341   整理番号：20A2265315

FFTスペクトログラムを用いた多入力CNNモデルを用いた人間活動認識【JST・京大機械翻訳】

Human activity recognition using multi-input CNN model with FFT spectrograms

著者 (8件)： Yaguchi Kei (Tokyo Denki University, Adachi-ku, Tokyo, Japan) ,  Ikarigawa Kazukiyo (Tokyo Denki University, Adachi-ku, Tokyo, Japan) ,  Kawasaki Ryo (Tokyo Denki University, Adachi-ku, Tokyo, Japan) ,  Miyazaki Wataru (Tokyo Denki University, Adachi-ku, Tokyo, Japan) ,  Morikawa Yuki (Tokyo Denki University, Adachi-ku, Tokyo, Japan) ,  Ito Chihiro (Tokyo Denki University, Adachi-ku, Tokyo, Japan) ,  Shuzo Masaki (Tokyo Denki University, Adachi-ku, Tokyo, Japan) ,  Maeda Eisaku (Tokyo Denki University, Adachi-ku, Tokyo, Japan)
資料名： ACM Proceedings  (ACM Proceedings)
号： UbiComp-ISWC ’20  ページ： 364-367  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： Sussex-Huawei Locomotion-Transportation(SHL)認識課題のためのチームDSML-TDUによって開発された活性認識法を,識別した。2018の課題以来,このチームは,モバイルセンサからの高速Fourier変換(FFT)スペクトログラムを用いた畳み込みニューラルネットワーク(CNN)に基づく人間活動認識モデルを開発した。2020年の課題において,特定の位置にセンサを備えた様々なユーザに適合するためのモデルを開発した。線形加速度計,ジャイロスコープ,および磁気センサデータの3軸から発生したFFTスペクトログラムの9つのモダリティを,著者らのモデルの入力データとして使用した。最初に,訓練データと検証データから4つの保持位置(Bag,Hand,HipsとTorso)を推定するCNNモデルを作成した。提供された試験データはHipsから期待される。次に,大量のユーザ1訓練データ(Hips)から8つの活動を推定するために,別の(事前訓練)CNNモデルを作成した。次に,このモデルを,ユーザ2と3(Hips)の少量の検証データを用いて,異なるユーザに対して微調整した。最後に,96.7%のF測定を5倍交差検証の結果として得た。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： センサ ,  *ジャイロスコープ ,  高速Fourier変換 ,  認知モデル ,  磁気センサ
準シソーラス用語： モダリティ ,  訓練データ ,  *スペクトログラム ,  行動認識 ,  三軸 , 【Automatic Indexing@JST】

著者キーワード (4件)： CNN ,  FFTスペクトログラム ,  SHLデータセット ,  人間の活動認識

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： FFT ,  スペクトログラム ,  CNN ,  モデル ,  人間 ,  活動認識