تشخیص افعال روزمره با استفاده از تلفن همراه و یادگیری عمیق

کشف و باز شنا سی خودکار افعال روزمره برای تحقق اینترنت ا شیا و ارایه خدمات مبتنی بر مکان بسیار مهم ا ست. با پی شرفت کمی و کیفی حسگرهای موجود تلفنهای همراه هوشمند – و حتی غیرهوشمند – این دستگاهها به دستگاههای پایش مداوم و ارزان قیمتی تبدیل شده اند که میتوانند به شکل برخط، حرکتهای مالکان خود را ثبت کنند؛ اما تشخخیص حرکت انجام شده از روی این دادههای خام مستلزم وجود روشهای طبقه بندی قدرتمند اسخت. تا پیش از ظهور یادگیری عمیق تشخیص این افعامعمولا بر ا ساس ویژگی های د ست ساز انجام می شد و زمانبر بودن ا ستخراج این ویژگیهای عملا امکان تشخیص بر خط را منتفی میکرد. ما در این مقاله سه ساختار عمیق را بر رویدادههای خام یک دادگان مشهور تشخیص افعال روزمره به نام ActiTrack بکار گرفته ایم و افعال شش گانه این دادگان را با محدود دقت 85 تا 100 درصد طبقه بندی نموده ایم. نتایج حاصل، به ویژه در مورد ساختار LSTM از تمام نتایج موجود بهتر است و ثابت میکند که این ساختارها میتوانند امکان تشخیص بر خط افعال را با دقت بالایی فراهم کنند.

کلیدواژه ها:

تشخیص افعال ، حسگرهای پوشیدنی ، یادگیری عمیق ، LSTM