抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
骨格運動は,ヒト活動認識(HAR)に対して大きく回答されてきた。最近,スケルトンベースのHARの普遍的な脆弱性が,様々な分類器とデータにわたって同定され,緩和を呼んでいる。この目的のために,著者らは,著者らの最良の知識に対する骨格ベースのHARのための最初のブラックボックス防御法を提案した。提案手法は,クリーンデータのフルベイジアン処理,敵対者および分類器により特徴があり,(1)ロバスト識別分類器の新しいBayesエネルギーベース定式化,(2)自然運動多様体に基づく新しい敵対サンプリング方式,(3)ブラックボックス防御のための新しいポストトレインBayes戦略である。フレームワークBayesエネルギーベース広告訓練またはBEATと名づけた。BEATは簡単であるが,エレガントであり,精度を犠牲にすることなく,脆弱なブラックボックス分類器をロバストなものにする。それは,様々な攻撃の下で,広範囲の骨格HAR分類器とデータセットにわたって,驚くべき普遍的有効性を示す。コードはhttps://github.com/realcrane/RobustActionRecogniserで利用可能である。【JST・京大機械翻訳】