Core Concepts
인간 활동 인식 모델을 계층적 레이블 관계 모델링으로 개선하는 중요성
Abstract
인간 활동 인식(HAR)의 중요성과 모델 성능 향상을 위한 계층적 레이블 관계 모델링에 대한 논문
HAR 모델의 계층적 레이블 관계 모델링의 중요성과 그 효과적인 적용 방법에 대한 제안
미래 연구 방향과 응용 가능성에 대한 토론
Stats
본 논문에서는 다음과 같은 키 메트릭스를 사용하여 핵심 논리를 지원합니다.
"Hierarchical Human Activity Recognition (H-HAR)은 다중 레이어 활동에 대한 별도의 분류기를 구축하는 대신 그래프 기반 레이블 관계 모델링을 강화하는 평평한 모델의 효능을 탐색합니다."
"우리의 기여는 레이블 관계 모델링, 통합 가능한 레이블 인코더 및 확장성을 갖춘 레이블-데이터 의미 정렬, 그리고 결합된 임베딩 공간 및 다중 레이블 분류기 최적화입니다."
Quotes
"우리의 제안은 계층적 레이블 인코더를 통해 레이블 관계를 자동으로 학습하고 사전 정의된 레이블 구조 없이 레이블 관계를 향상시킵니다."
"우리는 레이블 및 데이터 의미를 표현 공간에 정확하게 정렬하여 클래스 구분 가능한 데이터 임베딩을 구축합니다."