딥 뉴럴 네트워크를 이용한 인간 활동 인식

Q: 이 논문에서 정의한 인간 활동 인식(HAR)이란 무엇인가?

다양한 센서 데이터를 활용하여 사용자의 움직임이나 행위에 따라 변화하는 패턴을 인지하는 기술을 의미한다. 본 연구에서는 스마트폰의 가속도계와 자이로스코프 센서 데이터를 통해 걷기, 앉기 등 6가지의 구체적인 동작을 분류하는 모델을 구축하는 데 활용된다.

Q: 인간 활동 인식 모델에서 특정 동작의 오분류가 발생하는 핵심 원인은 무엇인가?

연구 결과, sitting 동작이 standing으로 오분류되는 경향이 나타났다. 이는 t-SNE 시각화 분석을 통해 확인한 결과, 두 동작의 요인 분포가 매우 유사하여 모델이 이를 명확하게 구분하지 못하는 패턴의 유사성 때문인 것으로 밝혀졌다.

체리; 신지원; 김용민; 윤명환

추천

검색

질문

자료유형: 학술대회자료

저자정보: 체리 (서울대학교) 신지원 (서울대학교) 김용민 (서울대학교) 윤명환 (서울대학교)

저널정보: 한국HCI학회 한국HCI학회 학술대회 PROCEEDINGS OF HCI KOREA 2018 학술대회 발표 논문집

발행연도: 2018.1

수록면: 716 - 720 (5page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

The aim of this study is to build human activity recognition (HAR) model using deep neural network (DNN) and investigate the influence that affects misclassification. As wearable devices become widespread and used in various applications such as health care and sports, people are interested in HAR. Therefore, it is important to improve classification performance in HAR. We implemented a DNN based HAR model through open smartphone sensor data set and t-Distributed Stochastic Neighbor Embedding was used to visualize extracted features. The performance of the DNN model was excellent except for one activity. Through the visualization of the extracted features, we were able to identify the cause of the performance degradation. Similar extracted features between activities are the cause of performance degradation. The DNN model can recognize human activity using smart phone sensor data and be used for health care, sports, fall detection and so on.

#Human Activity Recognition #Smart sensor #Deep neural network #t-Distributed Stochastic Neighbor Embedding

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2018-004-001761610

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)