A Data Efficient Vision Transformer for Robust Human Activity Recognition from the Spectrograms of Wearable Sensor Data
Rattachement africain : gb. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
This study introduces the Data Efficient Separable Transformer (DeSepTr) architecture, a novel framework for Human Activity Recognition (HAR) that utilizes a light-weight computer vision model to train a Vision Transformer (ViT) on spectrograms generated from wearable sensor data. The proposed model achieves strong results on several HAR tasks, including surface condition recognition and activity recognition. Compared to the ResNet-18 model, DeSepTr outperforms by 5.9% on out-of-distribution test data accuracy for surface condition recognition. The framework enables ViTs to learn from limited labeled training data and generalize to data from participants outside of the training cohort, potentially leading to the development of activity recognition models that are robust to the wider population. The results suggest that the DeSepTr architecture can overcome limitations related to the heterogeneity of individuals’ behavior patterns and the weak inductive bias of transformer algorithms.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- A Data Efficient Vision Transformer for Robust Human Activity Recognition from the Spectrograms of Wearable Sensor Data
- Date Crossref
- 02/07/2023
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Newcastle University pays non établi dans la noticeUniversité ou école supérieure
-
The Alan Turing Institute pays non établi dans la noticeStructure de recherche
-
School of Computing pays non établi dans la noticeUniversité ou école supérieure
-
School of Engineering pays non établi dans la noticeUniversité ou école supérieure
-
Faculty of Medical Sciences Population Health Sciences Institute pays non établi dans la noticeUniversité ou école supérieure
Newcastle University, The Alan Turing Institute et School of Computing, avec 2 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.