实体
UP-Fall Detection Dataset: A Multimodal Approach
UP-Fall Detection Dataset: A Multimodal Approach
PulseAugur coverage of UP-Fall Detection Dataset: A Multimodal Approach — every cluster mentioning UP-Fall Detection Dataset: A Multimodal Approach across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的AI模型提高跌倒冲击检测的准确性和效率 · 跟踪2个来源
两篇新的研究论文提出了用于检测跌倒期间冲击精确时刻的先进方法，这是及时医疗干预的关键因素。第一篇论文利用时空图卷积网络（STGCN）结合门控循环单元（GRU）和双向长短期记忆（BiLSTM）层，在UP-Fall数据集上实现了超过90%的准确率。第二篇论文介绍了FLASH，一个整合了超图表示和Mamba状态空间模型的框架，在UP-Fall和UMAFall数据集上提供了最先进的准确率、实时推理和更高的效率。
-
新的隐私框架增强了用于跌倒检测的深度学习
研究人员开发了一个名为类别感知自适应差分隐私（CA-ADP）的新框架，以增强基于传感器的跌倒检测深度学习模型的隐私性。该方法根据小批量数据的构成动态调整添加到训练数据中的噪声，旨在在不显著降低性能的情况下保护隐私。在三个公共数据集上的评估表明，与传统的隐私模型相比，CA-ADP 的 F 分数提高了 8.5%，并提供了正式的隐私保证。