[論文レビュー] XceptionTime: A Novel Deep Architecture based on Depthwise Separable Convolutions for Hand Gesture Classification

Elahe Rahimian, Soheil Zabihi+3 more|arXiv (Cornell University)|Nov 9, 2019

Muscle activation and electromyography studies参考文献 23被引用数 38

ひとこと要約

XceptionTime を提案する、深さ方向分離畳み込み、適応平均プーリング、mu-law 正規化を用いる深層モデルで、疎な多チャネル sEMG から52 の手のジェスチャを分類し、NinaPro DB1 で 93.91%、パラメータを削減。

ABSTRACT

Capitalizing on the need for addressing the existing challenges associated with gesture recognition via sparse multichannel surface Electromyography (sEMG) signals, the paper proposes a novel deep learning model, referred to as the XceptionTime architecture. The proposed innovative XceptionTime is designed by integration of depthwise separable convolutions, adaptive average pooling, and a novel non-linear normalization technique. At the heart of the proposed architecture is several XceptionTime modules concatenated in series fashion designed to capture both temporal and spatial information-bearing contents of the sparse multichannel sEMG signals without the need for data augmentation and/or manual design of feature extraction. In addition, through integration of adaptive average pooling, Conv1D, and the non-linear normalization approach, XceptionTime is less prone to overfitting, more robust to temporal translation of the input, and more importantly is independent from the input window size. Finally, by utilizing the depthwise separable convolutions, the XceptionTime network has far fewer parameters resulting in a less complex network. The performance of XceptionTime is tested on a sub Ninapro dataset, DB1, and the results showed a superior performance in comparison to any existing counterparts. In this regard, 5:71% accuracy improvement, on a window size 200ms, is reported in this paper, for the first time.

研究の動機と目的

• 疎な多チャネル sEMG 信号からのジェスチャ認識の課題に対処する。
• データ拡張や手動特徴量設計を用いず、時間的・空間的特徴を捉える新規のエンドツーエンドアーキテクチャを開発する。
• 高精度とウィンドウサイズの独立性を維持しつつ、モデルの複雑さを削減する。

提案手法

• 深さ方向分離畳み込みとボトルネックを用いて次元を削減する並列パスを持つ XceptionTime モジュールを導入する。
• Residual 接続を持つ複数の XceptionTime モジュールを積み重ねてアーキテクチャを形成する。
• 分類器に適応平均プーリングを使用して入力ウィンドウサイズの独立性を可能にする。
• 頑健性と学習速度を向上させるため、sEMG信号の前処理に非線形の mu-law 正規化を適用する。
• Conv1x1 投影とバッチ正規化を用いて特徴を52個のジェスチャクラスへ写像するように訓練する。

実験結果

リサーチクエスチョン

• RQ1 深さ方向分離畳み込みは、疎な sEMG ジェスチャデータで精度を維持または向上させつつ、モデルパラメータを削減できるか？
• RQ2 mu-law 非線形正規化は線形正規化より分類性能を改善するか？
• RQ3 XceptionTime アーキテクチャは再構成せずに異なる入力ウィンドウサイズに対して頑健か？
• RQ4 NinaPro DB1 データセットにおいて、精度と複雑さの点で XceptionTime は最先端モデルとどの程度比較されるか？

主な発見

• XceptionTime は NinaPro DB1 で 10 チャンネルと 200 ms ウィンドウで 93.91% の精度を達成。
• 深さ方向分離畳み込みを標準畳み込みに置換すると（XceptionTime-V2）、パラメータが 413,516 から 1,918,476 に増加し、200 ms ウィンドウでの精度が低下する（95.43% 対 94.59%）。
• Mu-law 正規化は Minmax 正規化より高い精度をもたらす（例：50 ms ウィンドウで mu-law 81.71% 対 Minmax 71.49%）。
• 適応プーリングにより、アーキテクチャを再構成することなく、異なるウィンドウ長でもモデルは有効である。
• 学習時にウィンドウ長の混合で訓練すると、50 ms を除くほとんどのウィンドウ長で性能が向上し、時間的平行移動とウィンドウのばらつきに対する頑健性を示す。