DeepConvLSTM

DeepConvContext框架通过多尺度时间建模增强人类活动识别能力

研究人员开发了DeepConvContext，一个旨在改进人类活动识别（HAR）时间序列分类的多尺度框架。这种新方法通过分别建模窗口内和窗口间的时间模式，解决了传统滑动窗口方法的局限性。在六个HAR基准测试上的实验表明，DeepConvContext在F1分数和mAP方面取得了显著改进，同时保持了与现有方法相当的延迟和吞吐量。