W dniach 7 - 9 września 2022, w Weronie, odbyła się 26th International Conference on Knowledge-Based and Intelligent Information & Engineering Systems (http://kes2022.kesinternational.org/). W trakcie konferencji przedstawiono pracę zrealizowaną w ramach zadania 4 projektu RID: Dawid Warchoł, Mariusz Oszust: Efficient Augmentation of Human Action Recognition Datasets with Warped Windows, https://doi.org/10.1016/j.procs.2022.09.360.
Artykuł został opublikowany w czasopiśmie Procedia Computer Science. Konferencja znajduje się na liście MEiN (70 pkt).
Abstrakt:
W tym artykule zaproponowano podejście do rozbudowy szeregów czasowych rozpoznawania akcji, poświęcone poprawie dokładności klasyfikatorów głębokiego uczenia. W przedstawionej metodzie wprowadza się sekwencyjnie dwóch operatorów, którzy wykonują liniowe i nieliniowe modyfikacje w skali czasowej szeregów czasowych wejściowych. Uzyskane próbki danych przyczyniają się do zmienności w obrębie klas i pozwalają klasyfikatorowi opartemu na głębokim uczeniu się lepiej uchwycić ich granice, co prowadzi do znacznej poprawy dokładności klasyfikacji. Obszerne eksperymenty przeprowadzone na ośmiu publicznie dostępnych zestawach danych rozpoznawania akcji przy użyciu popularnego klasyfikatora Bidirectional Long Short-Term Memory (BiLSTM) ujawniają wyższość proponowanego algorytmu nad pokrewnymi podejściami.
