Izbolj evanja prepoznavanja aktivnosti iz polo ajev zna k
Download
1 / 38

Izboljševanja prepoznavanja aktivnosti iz položajev značk - PowerPoint PPT Presentation


  • 85 Views
  • Uploaded on

Izboljševanja prepoznavanja aktivnosti iz položajev značk. Mitja Luštrek Institut Jožef Stefan Odsek za inteligentne sisteme. Ozadje. Projekt Confidence: ugotavljanje zdravstvenih težav starejših iz gibanja. Ozadje. Projekt Confidence: ugotavljanje zdravstvenih težav starejših iz gibanja

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' Izboljševanja prepoznavanja aktivnosti iz položajev značk' - istas


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
Izbolj evanja prepoznavanja aktivnosti iz polo ajev zna k

Izboljševanja prepoznavanja aktivnostiiz položajev značk

Mitja Luštrek

Institut Jožef Stefan

Odsek za inteligentne sisteme


Ozadje
Ozadje

  • Projekt Confidence: ugotavljanjezdravstvenih težav starejših iz gibanja


Ozadje1
Ozadje

  • Projekt Confidence: ugotavljanjezdravstvenih težav starejših iz gibanja

  • Uporabniku na telo pritrdimo značke

  • S senzorji določamo položaj značk v prostoru

  • Prepoznamo aktivnost

  • Interpretiramo kot normalno / nenormalno


Dva dela
Dva dela

  • Spremembe v prepoznavanju aktivnostizaradi menjave hardvera: Smart → Ubisense


Dva dela1
Dva dela

  • Spremembe v prepoznavanju aktivnostizaradi menjave hardvera: Smart → Ubisense

  • Izboljševanje prepoznavanja z izkoriščanjem znanja o:

    • zaporednih prepoznavah


Dva dela2
Dva dela

  • Spremembe v prepoznavanju aktivnostizaradi menjave hardvera: Smart → Ubisense

  • Izboljševanje prepoznavanja z izkoriščanjem znanja o:

    • zaporednih prepoznavah

    • značilnih napakah


Menjava hardvera
Menjava hardvera

  • Prej: Smart

    • infrardeč, zelo natančen

    • Gaussov šum

    • do 12 značk


Menjava hardvera1
Menjava hardvera

  • Prej: Smart

    • infrardeč, zelo natančen

    • Gaussov šum

    • do 12 značk

  • Zdaj: Ubisense

    • radijski (UWB), manj natančen

    • nepravilen šum

    • 4 značke


Prilagoditev prepoznavanja aktivnosti
Prilagoditev prepoznavanja aktivnosti

  • 10 × na sekundo zajamemo koordinate značk → en nabor atributov


Prilagoditev prepoznavanja aktivnosti1
Prilagoditev prepoznavanja aktivnosti

  • 10 × na sekundo zajamemo koordinate značk → en nabor atributov

  • Več zaporednih naborov atributov združimo v atributni vektor


Prilagoditev prepoznavanja aktivnosti2
Prilagoditev prepoznavanja aktivnosti

  • 10 × na sekundo zajamemo koordinate značk → en nabor atributov

  • Več zaporednih naborov atributov združimo v atributni vektor

  • S strojnim učenjem atributne vektorje klasificiramo v aktivnosti


Prilagoditev prepoznavanja aktivnosti3
Prilagoditev prepoznavanja aktivnosti

  • 10 × na sekundo zajamemo koordinate značk → en nabor atributov

  • Več zaporednih naborov atributov združimo v atributni vektor

  • S strojnim učenjem atributne vektorje klasificiramo v aktivnosti

IS 2008

Samo 4 značke dajo malo

manevrskega prostora

Koliko?

Kako?

Kateri algoritem?


Tevilo naborov in algoritem
Število naborov in algoritem

  • Število naborov atributov

    • 1–10


Tevilo naborov in algoritem1
Število naborov in algoritem

  • Število naborov atributov

    • 1–10 → več je bolje, najbolje torej 10


Tevilo naborov in algoritem2
Število naborov in algoritem

  • Število naborov atributov

    • 1–10 → več je bolje, najbolje torej 10

  • Algoritem za strojno učenje

    • 3-najbližji sosedi

    • podporni vektorji

    • naključni gozd

    • “bagging”

    • “boosting” Adaboost M1


Tevilo naborov in algoritem3
Število naborov in algoritem

  • Število naborov atributov

    • 1–10 → več je bolje, najbolje torej 10

  • Algoritem za strojno učenje

    • 3-najbližji sosedi

    • podporni vektorji

    • naključni gozd

    • “bagging”

    • “boosting” Adaboost M1


Na in zdru evanja
Način združevanja

  • Nizanje

En nabor atributov

(en atribut)


Na in zdru evanja1
Način združevanja

  • Nizanje

Atributni vektor


Na in zdru evanja2
Način združevanja

  • Nizanje

  • Povprečenje


Na in zdru evanja3
Način združevanja

  • Nizanje

  • Povprečenje

  • Povprečenje + naklon


Na in zdru evanja4
Način združevanja

  • Nizanje

  • Povprečenje

  • Povprečenje + naklon









Predstavitev znanja za izbolj evanje
Predstavitev znanja za izboljševanje

W

A različnih aktivnosti

W možnih položajev meje

A različnih aktivnosti

  • A × (A – 1) × W različnih oken pravih aktivnosti

  • Vsakemu oknu pripada porazdelitev prepoznanih aktivnosti


Prvi na in izbolj evanja
Prvi način izboljševanja

  • Učenje:pri oknu pravih akt. [hoja, spuščanje, spuščanje]števec ([hoja, hoja, padanje])++

  • Izboljševanje:pri oknu prepoznanih akt. [hoja, hoja, padanje] poiščemo okno pravih aktivnosti, kjer je verjetnost ([hoja, hoja, padanje]) največja


Drugi na in izbolj evanja
Drugi način izboljševanja

  • Učenje:pri oknu pravih akt. [hoja, spuščanje, spuščanje]števec (1. aktivnost = hoja)++števec (2. aktivnost = hoja)++števec (3. aktivnost = padanje)++


Drugi na in izbolj evanja1
Drugi način izboljševanja

  • Izboljševanje:pri oknu prepoznanih akt. [hoja, hoja, padanje] poiščemo okno pravih aktivnosti, kjer je verjetnost (1. aktivnost = hoja) ×verjetnost (2. aktivnost = hoja) ×verjetnost (3. aktivnost = padanje) največja


Tretji na in izbolj evanja
Tretji način izboljševanja

  • Učenje:pri oknu pravih akt. [hoja, spuščanje, spuščanje]števec (leva aktivnost = hoja)++števec (desna aktivnost = hoja)++števec (desna aktivnost = padanje)++

  • Izboljševanje: ...


Etrti na in izbolj evanja
Četrti način izboljševanja

  • Učenje:pri pravi aktivnosti hoja števec (hoja)++pri pravi aktivnosti spuščanje števec (hoja)++pri pravi aktivnosti spuščanje števec (padanje)++

  • Izboljševanje: ...




Zaklju ek
Zaključek

  • Izkoriščanje znanja o zaporednih prepoznavah aktivnosti in značilnih napakah osnovnega klasifikatorja

    • prinese 1,7 % izboljšanje klasifikacijske točnosti

    • ogled doseženih izboljšav kaže, da je več najbrž težko doseči


Zaklju ek1
Zaključek

  • Izkoriščanje znanja o zaporednih prepoznavah aktivnosti in značilnih napakah osnovnega klasifikatorja

    • prinese 1,7 % izboljšanje klasifikacijske točnosti

    • ogled doseženih izboljšav kaže, da je več najbrž težko doseči

  • V prihodnje

    • izkoriščati podobnosti med atributnimi vektorji


ad