跳到正文
arXiv · ML· Aidan Acquah, Shing Chan, Aiden Doherty·· 7 天前AI 评分23

ActiNet:基于自监督深度学习的腕部加速度计活动强度分类开源工具

ActiNet: An Open-Source Tool for Activity Intensity Classification of Wrist-Worn Accelerometry Using Self-Supervised Deep Learning

AI 导读

研究团队推出开源模型 ActiNet,用于基于自监督深度学习对腕部加速度计数据进行活动强度分类。 该模型采用 18 层改进型 ResNet-V2 架构并结合隐马尔可夫模型(HMM)平滑处理,在 CAPTURE-24 数据集上取得 0.80 的平均宏 F1 分数和 0.85 的 Cohen's kappa 系数,显著优于随机森林加 HMM 的基准性能。

来源:arXiv · ML · arxiv.org