自监督框架实现按需手腕活动识别

研究人员开发了 TransfHAR，一个用于基于手腕的活动识别的自监督框架。该系统从无标签数据中学习可迁移的运动模式，从而能够按需识别手势和程序步骤等细粒度活动。TransfHAR 可以作为实时智能手表应用程序实现，允许用户通过少量演示来定义和扩展自己的活动集。评估表明，TransfHAR 的性能与完全监督方法相当或更优，即使在标记数据有限的情况下也能实现高平衡准确率。 AI

影响 通过改进可穿戴设备上的细粒度活动识别，实现更个性化和情境感知的辅助。

排序理由 该集群包含一篇研究论文，详细介绍了用于活动识别的新型自监督框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv
• ScienceCast
• TransfHAR

• 论文
• 模型发布

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