文献

J-GLOBAL ID：202002264524194458   整理番号：20A2282856

運動認識のためのハイブリッド注意による異種マルチモーダルセンサフュージョン【JST・京大機械翻訳】

Heterogeneous Multi-Modal Sensor Fusion with Hybrid Attention for Exercise Recognition

著者 (3件)： Wijekoon Anjana (Robert Gordon University,School of Computing and Digital Media,Aberdeen,UK) ,  Wiratunga Nirmalie (Robert Gordon University,School of Computing and Digital Media,Aberdeen,UK) ,  Cooper Kay (Robert Gordon University,School of Health Sciences,Aberdeen,UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IJCNN  ページ： 1-8  発行年： 2020年 
JST資料番号： W2441A  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： 運動アドヒアランスは,mus-culoskeletal疼痛の自己管理のためのディジタル行動変化介入の鍵となる構成要素である。運動アドヒアランスの自動モニタリングは,運動を認識できる運動と機械学習(ML)アルゴリズムを実行することができるセンサを必要とする。手首加速度計データで認識できる外来活動とは対照的に;運動は,運動の複雑性と関与する設定のため,複数のセンサモダリティを必要とする。運動認識(ExR)は,センサモダリティ(例えば,画像/ビデオストリーム,ウェアラブル,圧力マット)の不均一性のために,ML研究者に多くの課題を提起する。著者らは最近,ExRのためのベンチマークデータセットであるMExを発表し,ExRを改善し,4つのモダリティで最先端のMLアルゴリズムをベンチマークするために,新しい転送可能なHAR方法の研究を促進する。結果は,モダリティの個々の強度を結合する融合法の必要性を強調した。本論文では,注意に焦点を当てて融合法を検討し,ExRのための新しいマルチモーダルハイブリッド注意融合アーキテクチャmHAFを提案した。圧力マット,深さカメラおよび加速度計のモダリティ組合せによる96.24%(F1測度)の最良性能を達成し,mHAF上の加速度計は複数のベースラインよりも著しく優れ,アーキテクチャ成分の寄与をアブレーション研究で検証した。注意融合の利点を,注意重みを視覚化することによって明らかに実証した。mHAFがどのように異なる運動クラスに適した特徴重要性とモダリティの組み合わせを学習するかを示した。最良の性能2および3モダリティの組み合わせを探索することにより,展開可能性を改善し, ob迫性を最小化することの重要性を強調した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  カメラ ,  測度 ,  加速度計 ,  可視化 ,  疼痛 ,  センサ ,  自動監視 ,  アブレーション ,  ベンチマーク ,  *計算機アーキテクチャ ,  機械学習
準シソーラス用語： モダリティ ,  ビデオストリーム ,  ウェアラブル , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 運動認識 ,  注意