W ramach zadania nr 4 „Rozpoznawanie wypowiedzi Polskiego Języka Migowego w układzie wizyjnym” przeprowadzono prace naukowo-badawcze, których wyniki zostały opublikowane w czasopiśmie Sensors (obecna punktacja ministerialna to 100 pkt, Impact Factor: 3,576).
Warchoł, D.; Oszust, M. Augmentation of Human Action Datasets with Suboptimal Warping and Representative Data Samples. Sensors 2022, 22, 2947.
Abstrakt
Popularność podejść do rozpoznawania akcji (AR) i potrzeba poprawy ich skuteczności wymagają generowania sztucznych próbek uwzględniających nieliniowość przestrzeni czasowej, niedobór punktów danych lub ich zmienność. Dlatego w niniejszym artykule zaproponowano nowe podejście do rozszerzania szeregów czasowych. Metoda ta ulepsza algorytm generatora suboptymalnych zniekształconych szeregów czasowych (SPAWNER), wprowadzając ograniczenia oparte na zidentyfikowanych problemach związanych z AR z wygenerowanymi punktami danych. W szczególności proponowany ARSPAWNER usuwa potencjalne nowe szeregi czasowe, które nie oferują dodatkowej wiedzy na temat przykładów klasy lub są tworzone daleko od zajmowanego obszaru. Ograniczenia opierają się na statystykach szeregów czasowych klas AR i ich reprezentatywnych przykładów wnioskowanych za pomocą techniki dynamicznego zniekształcania czasu barycentrycznego uśredniania (DBA). Obszerne eksperymenty przeprowadzone na ośmiu zestawach danych AR przy użyciu trzech popularnych klasyfikatorów szeregów czasowych ujawniają wyższość wprowadzonej metody nad pokrewnymi podejściami.
