Centrala begrepp
저속 가속도와 위치 신호를 효과적으로 결합하여 다양한 교통 수단을 정확하게 구분할 수 있는 주목 기반 다중 인스턴스 학습 네트워크를 제안한다.
Sammanfattning
이 연구는 교통 수단 인식(TMR)을 위한 새로운 접근 방식을 제안한다. 저속 가속도와 위치 신호를 결합하여 효과적이고 강건한 분류기를 개발하는 것이 핵심이다.
제안하는 네트워크는 가속도와 위치 신호를 각각 처리하는 두 개의 하위 네트워크로 구성된다. 이 두 하위 네트워크는 두 신호 유형을 동일한 공간에 매핑하여 주목 기반 다중 인스턴스 학습 분류기를 적용할 수 있게 한다.
매우 낮은 샘플링 속도로 두 신호 유형을 모두 사용하여 배터리 소모를 줄이는 것이 특징이다. 공개된 데이터셋을 사용하여 제안 방법을 평가하고 다른 알고리즘과 비교한다.
Statistik
가속도 신호의 크기와 가속도 변화율(jerk)을 결합하면 개별 신호를 사용하는 것보다 더 나은 성능을 보인다.
다중 인스턴스 학습(MIL)을 사용하면 개별 가속도 윈도우를 사용하는 것보다 더 높은 정확도를 달성할 수 있다.
데이터 증강을 적용하면 과적합 위험을 줄이고 일반화 성능을 향상시킬 수 있다.
Citat
"저속 가속도와 위치 신호를 효과적으로 결합하면 자동차와 버스, 기차와 지하철 등 유사한 운송 수단을 구분하는 능력이 크게 향상된다."
"제안하는 주목 기반 MIL 네트워크는 위치 신호를 사용할 수 없는 상황에서도 가속도 데이터만으로 효과적으로 교통 수단을 인식할 수 있다."