多维并行卷积网络

活动识别新基准

利用多维卷积核和MRCSE模块充分提取多源多模态传感器数据的时空特征,人体活动识别性能得到显著提升。

Wang, Yuhao · 许宏吉 · Lina, Zheng · Guozhen, Zhao · 刘治 · Shuang, Zhou · Mengmeng, Wang · 徐杰

IEEE Internet of Things Journal 2023

参数信息

加权F1分数
98.33 %
加权F1分数
95.42 %
加权F1分数
81.47 %

技术优势

时空特征提取更充分

多维卷积核并行连接,同时捕获不同维度的时空依赖,克服了单维卷积核感受野受限的问题。

特征多样性增强

MRCSE模块结合多尺度残差卷积和挤压激励块,丰富特征信息多样性,提升识别性能。

识别精度高

在PAMAP2和OPPORTUNITY数据集上10折交叉验证FW-score分别达到98.33%和95.42%。

泛化性好

在留一被试交叉验证下PAMAP2上FW-score达81.47%,表明模型对未见用户有较好泛化。

应用场景