PulseAugur
中
实时 10:11:43
English(EN) WiFuse: An Attention Mechanism for Human Activity Recognition using Fused CSI Amplitude and Delay-Doppler Channel Features

Wi-Fi感知框架WiFuse提高了人类活动识别的准确性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了WiFuse，一个用于人类活动识别的新型Wi-Fi感知框架。该双流系统融合了去噪的时域幅度变化和2D-FFT衍生的延迟-多普勒运动表示。融合后的数据由混合ResNet-Temporal Convolutional Network (TCN)架构处理，并增强了注意力机制，在XRF55数据集上达到了95.28%的准确率，在Wi-MIR数据集上达到了98.20%的准确率。 AI

影响 这项研究可能导致使用现有的Wi-Fi信号实现更准确且保护隐私的人类活动识别系统。

排序理由 该集群包含一篇详细介绍新技术框架及其实验结果的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

Wi-Fi感知框架WiFuse提高了人类活动识别的准确性

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Alison M. Fernandes, Hermes I. Del Monego, Bruno S. Chang, Anelise Munaretto, H\'elder M. Fontes, Rui L. Campos ·

    WiFuse: An Attention Mechanism for Human Activity Recognition using Fused CSI Amplitude and Delay-Doppler Channel Features

    arXiv:2608.00642v1 Announce Type: new Abstract: Recently, Wi-Fi sensing has played a significant role in Human Activity Recognition (HAR), as it enables the detection of various activities using only Wi-Fi signals, ensuring privacy and remaining non-intrusive for the user. Howeve…

相关实体

相关话题