이 연구는 다중 거주자 환경에서의 활동 인식 문제를 다루고 있다. 기존 연구에서는 거주자 분리와 다중 레이블 분류 두 가지 접근법이 주로 사용되었는데, 이 연구에서는 이 두 가지 방법을 결합하여 보다 정확한 활동 인식을 달성하고자 한다.
먼저, Seq2Res 모델은 시퀀스-투-시퀀스 구조를 활용하여 전체 센서 이벤트 시퀀스를 고려하여 각 거주자의 이벤트 시퀀스를 생성하는 생성적 거주자 분리 방법을 제안한다. 이는 기존 방법들과 달리 이벤트를 순차적으로 분리하는 것이 아니라 전체 문맥을 고려하여 분리한다.
다음으로, BiGRU+Q2L 모델은 BiGRU 기반의 특징 추출기와 Query2Label 다중 레이블 분류기를 결합한 모델이다. 이를 통해 레이블 간 상관관계와 특징-레이블 간 관계를 모델링하여 보다 정확한 다중 레이블 분류를 달성한다.
마지막으로, 이 두 모델을 결합한 두 단계 모델을 제안하여 거주자 분리와 다중 레이블 분류를 동시에 고려한다.
실험 결과, Seq2Res 모델은 기존 SMRT 모델보다 우수한 거주자 분리 성능을 보였다. BiGRU+Q2L 모델은 기존 TransBiGRU 모델보다 높은 활동 인식 정확도와 F1 점수를 달성했다. 하지만 거주자 분리 오류로 인해 두 단계 모델의 성능은 완벽한 분리를 가정한 경우보다 낮게 나타났다. 이는 거주자 분리의 정확도가 활동 인식 성능에 중요한 영향을 미친다는 것을 보여준다.
To Another Language
from source content
arxiv.org
Önemli Bilgiler Şuradan Elde Edildi
by Xi Chen (LIG... : arxiv.org 04-12-2024
https://arxiv.org/pdf/2404.07245.pdfDaha Derin Sorular