日本語タイトル#
デバイス上の少数ショット学習を通じてウェアラブル人間活動認識における一般化と個別化をつなぐ
英文タイトル#
Bridging Generalization and Personalization in Wearable Human Activity Recognition via On-Device Few-Shot Learning
日本語要約#
ウェアラブルデバイスを用いた人間活動認識（HAR）は、異なるユーザー間での強力な一般化能力と個々の効率的な個別化処理を必要とします。しかし、従来の HAR モデルはユーザー特有の変化に直面すると一般化に失敗し、性能が低下することがよくあります。この課題に対処するために、一般化と個別化をつなぐ新しいデバイス上の少数ショット学習フレームワークを提案します。私たちの方法は、まずユーザー間で一般化可能な表現を訓練し、その後、わずか数件のラベル付きサンプルで新しいユーザーに迅速に適応し、リソース制約のあるデバイス上で軽量な分類器層を直接更新します。このアプローチは、計算とメモリコストを最小限に抑えた堅牢なデバイス上の学習を実現し、実際の展開に適しています。私たちは、エネルギー効率の良い RISC-V GAP9 マイクロコントローラ上でフレームワークを実装し、3 つのベンチマークデータセット（RecGym、QVAR-Gesture、Ultrasound-Gesture）で評価しました。これらのシナリオにおいて、展開後の適応はそれぞれ 3.73%、17.38%、3.70% の精度向上を実現しました。これらの結果は、一般化と個別化をシームレスに結合することで、少数ショットデバイス上の学習がスケーラブルでユーザーを意識したエネルギー効率の良いウェアラブル人間活動認識を可能にすることを示しています \footnote {https://github.com/kangpx/onlineTiny2023}
英文要約#
Human Activity Recognition (HAR) with wearable devices requires both strong generalization across diverse users and efficient personalization for individuals. However, conventional HAR models often fail to generalize when faced with user-specific variations, leading to degraded performance. To address this challenge, we propose a novel on-device few-shot learning framework that bridges generalization and personalization in wearable HAR. Our method first trains a generalizable representation across users and then rapidly adapts to new users with only a few labeled samples, updating lightweight classifier layers directly on resource-constrained devices. This approach achieves robust on-device learning with minimal computation and memory cost, making it practical for real-world deployment. We implement our framework on the energy-efficient RISC-V GAP9 microcontroller and evaluate it on three benchmark datasets (RecGym, QVAR-Gesture, Ultrasound-Gesture). Across these scenarios, post-deployment adaptation improves accuracy by 3.73%, 17.38%, and 3.70%, respectively. These results demonstrate that few-shot on-device learning enables scalable, user-aware, and energy-efficient wearable human activity recognition by seamlessly uniting generalization and personalization \footnote{https://github.com/kangpx/onlineTiny2023}.
文章ページ#
デバイス上の少数ショット学習を通じてウェアラブル人間活動認識における一般化と個別化をつなぐ
PDF 取得#
抖音でさらに素晴らしいコンテンツを見るにはスキャンしてください