1 / 38

Izboljševanja prepoznavanja aktivnosti iz položajev značk

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

istas
Download Presentation

Izboljševanja prepoznavanja aktivnosti iz položajev značk

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. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Izboljševanja prepoznavanja aktivnostiiz položajev značk Mitja Luštrek Institut Jožef Stefan Odsek za inteligentne sisteme

  2. Ozadje • Projekt Confidence: ugotavljanjezdravstvenih težav starejših iz gibanja

  3. 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

  4. Dva dela • Spremembe v prepoznavanju aktivnostizaradi menjave hardvera: Smart → Ubisense

  5. Dva dela • Spremembe v prepoznavanju aktivnostizaradi menjave hardvera: Smart → Ubisense • Izboljševanje prepoznavanja z izkoriščanjem znanja o: • zaporednih prepoznavah

  6. Dva dela • Spremembe v prepoznavanju aktivnostizaradi menjave hardvera: Smart → Ubisense • Izboljševanje prepoznavanja z izkoriščanjem znanja o: • zaporednih prepoznavah • značilnih napakah

  7. Menjava hardvera • Prej: Smart • infrardeč, zelo natančen • Gaussov šum • do 12 značk

  8. Menjava hardvera • Prej: Smart • infrardeč, zelo natančen • Gaussov šum • do 12 značk • Zdaj: Ubisense • radijski (UWB), manj natančen • nepravilen šum • 4 značke

  9. Prilagoditev prepoznavanja aktivnosti • 10 × na sekundo zajamemo koordinate značk → en nabor atributov

  10. Prilagoditev prepoznavanja aktivnosti • 10 × na sekundo zajamemo koordinate značk → en nabor atributov • Več zaporednih naborov atributov združimo v atributni vektor

  11. 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

  12. 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?

  13. Število naborov in algoritem • Število naborov atributov • 1–10

  14. Število naborov in algoritem • Število naborov atributov • 1–10 → več je bolje, najbolje torej 10

  15. 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

  16. 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

  17. Način združevanja • Nizanje En nabor atributov (en atribut)

  18. Način združevanja • Nizanje Atributni vektor

  19. Način združevanja • Nizanje • Povprečenje

  20. Način združevanja • Nizanje • Povprečenje • Povprečenje + naklon

  21. Način združevanja • Nizanje • Povprečenje • Povprečenje + naklon

  22. Izboljševanje prepoznavanja

  23. Izboljševanje prepoznavanja

  24. Izboljševanje prepoznavanja

  25. Izboljševanje prepoznavanja

  26. Izboljševanje prepoznavanja

  27. Izboljševanje prepoznavanja

  28. Izboljševanje prepoznavanja

  29. 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

  30. 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

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

  32. 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

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

  34. Četrti način izboljševanja • Učenje:pri pravi aktivnosti hoja števec (hoja)++pri pravi aktivnosti spuščanje števec (hoja)++pri pravi aktivnosti spuščanje števec (padanje)++ • Izboljševanje: ...

  35. Poizkusi

  36. Poizkusi

  37. 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

  38. 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

More Related