Multimodal Sensor Fusion Frameworks With Application to Human Action Recognition
Notice bibliographique
Résumé
Human Action Recognition (HAR) is a progressive research area in the field of computer vision and machine learning. Earlier methods on HAR were based on single sensor modality, either vision-based sensor or wearable inertial sensor. Both of these modalities have some limitations that prevent widespread adoption of HAR; e.g. visual sensors typically require elaborate hardware setup and are limited to a small operating area, where inertial sensors are prone to drift. The solution is to fuse the information from different modalities. In this dissertation, we present novel multimodal sensor fusion frameworks that overcome the limitations of single sensor modality. In these frameworks, we convert all data streams to images through innovative signal to image conversion schemes and feed them to Convolutional Neural Networks (CNN), thus enabling extraction of higher-level features that CNNs are proven to be capable of especially from images. Moreover, we propose fast and robust multilevel fusion schemes by extracting features from multiple layers of the CNNs and employing statistical methods such as Canonical Correlation Analysis and gated fusion, instead of the more popular single stage fusion. We applied these fusion frameworks for HAR using depth and inertial sensors. At the input of each fusion framework, we transform depth and inertial sensor data into images called Sequential Front view Images (SFI) and Signal Images (SI). The SFI and SI images are then fused through our proposed multilevel frameworks for more accurate HAR while maintaining computational speed. We evaluate the proposed frameworks on three public multimodal HAR datasets, namely, UTD Multimodal Human Action Dataset (MHAD), Berkeley MHAD, and UTDMHAD Kinect V2 and achieved accuracies of 99.3%, 99.85% and 99.8% respectively. While the proposed frameworks were developed with HAR as a target application area, they can be applied to other fusion problems as well. We show the generalizability of frameworks by applying them to a different domain, where ECG (1D time series) data is converted to multimodal images and fed through our fusion frameworks for arrythmia classification and stress assessment. Preliminary results in these applications are encouraging, further strengthening the significance of the proposed frameworks.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».