izbolj evanja prepoznavanja aktivnosti iz polo ajev zna k
Download
Skip this Video
Download Presentation
Izboljševanja prepoznavanja aktivnosti iz položajev značk

Loading in 2 Seconds...

play fullscreen
1 / 38

Izboljševanja prepoznavanja aktivnosti iz položajev značk - PowerPoint PPT Presentation


  • 86 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