arXiv · AI· Jiangtao Fan, Anish Jindal, Amir Atapour-Abarghouei·· 1 天前AI 评分21
缺失条件时空融合网络 MCSTN 用于低质量可穿戴传感器数据的人类活动识别
Missingness-Conditioned Spatio-Temporal Fusion for Human Activity Recognition from Low-Quality Wearable Sensor Data
AI 导读
提出缺失条件时空网络 MCSTN，在传感器数据缺失或噪声情况下实现鲁棒的人类活动识别。 在 PAMAP2、Opportunity 和 WISDM 数据集上，MCSTN 在观测不完整时分别达到 94.24%、91.67% 和 96.22% 的平均 macro-F1 分数。 该方法参数量少于百万，单样本推理延迟为 3.78 毫秒，推理阶段无需重构或噪声水平估计。
来源：arXiv · AI · arxiv.org