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
Ключові висновки, отримані з
by Xi Chen (LIG... о arxiv.org 04-12-2024
https://arxiv.org/pdf/2404.07245.pdfГлибші Запити