[논문 리뷰] Transfer Learning in Human Activity Recognition: A Survey

Sourish Gunesh Dhekane, Thomas Ploetz|arXiv (Cornell University)|2024. 01. 18.

Context-Aware Activity Recognition Systems인용 수 9

한 줄 요약

이 설문은 센서 기반 HAR의 전이 학습 방법을 분석하고 스마트 홈과 웨어러블에 초점을 맞추며, 도전 과제를 해결책 접근법에 매핑하여 향후 연구를 안내합니다.

ABSTRACT

Sensor-based human activity recognition (HAR) has been an active research area, owing to its applications in smart environments, assisted living, fitness, healthcare, etc. Recently, deep learning based end-to-end training has resulted in state-of-the-art performance in domains such as computer vision and natural language, where large amounts of annotated data are available. However, large quantities of annotated data are not available for sensor-based HAR. Moreover, the real-world settings on which the HAR is performed differ in terms of sensor modalities, classification tasks, and target users. To address this problem, transfer learning has been employed extensively. In this survey, we focus on these transfer learning methods in the application domains of smart home and wearables-based HAR. In particular, we provide a problem-solution perspective by categorizing and presenting the works in terms of their contributions and the challenges they address. We also present an updated view of the state-of-the-art for both application domains. Based on our analysis of 205 papers, we highlight the gaps in the literature and provide a roadmap for addressing them. This survey provides a reference to the HAR community, by summarizing the existing works and providing a promising research agenda.

연구 동기 및 목표

• HAR 및 HAR 맥락에서의 전이 학습을 센서 모달리티와 도메인/태스크 변동과 함께 정의합니다.
• HAR에 대한 전이 학습 방법을 문제 관점과 해결책 관점으로 분류합니다.
• 스마트 홈 및 웨어러블 HAR의 최신 전이 학습 접근법을 검토합니다.
• 격차를 식별하고 향후 HAR 전이 학습 연구를 위한 로드맵을 제안합니다.

제안 방법

• 도메인 및 태스크 형식을 사용하여 HAR에서의 전이 학습의 문제 관점과 해결책 관점을 제시합니다.
• 사례, 특징, 매개변수, 지식 기반 전이로 접근법을 분류합니다.
• 이질적 전이, 태스크 차이점 및 대응 매핑/변환을 논의합니다.
• 스마트 홈 및 웨어러블에 대한 데이터 세트, 도전 과제 및 적용별 고려 사항을 요약합니다.
• 로드맵을 제공하고 아직 다루어지지 않은 도전 과제와 잠재적 방법을 식별합니다.

실험 결과

연구 질문

• RQ1 HAR를 위한 전이 학습의 핵심 문제 설정(도메인 및 태스크 관계)은 무엇인가?
• RQ2 HAR 전이 학습을 가능하게 하는 해결책 공간 전략(사례, 특징, 매개변수, 지식 기반 전이)은 무엇인가?
• RQ3 스마트 홈과 웨어러블 HAR에서 이질성과 태스크 차이를 전이 학습 방법이 어떻게 다루는가?
• RQ4 현재 HAR 전이 학습 연구에서의 격차는 무엇이며 이를 해결하기 위한 로드맵은 무엇인가?

주요 결과

• HAR의 전이 학습은 특징 공간 이질성, 한정된 라벨 데이터, 노이즈 및 센서 이질성과 같은 도전에 직면합니다.
• 해법으로는 소스/타겟 특징 간의 매핑, 공통 공간으로의 변환, 전이를 위한 메타특성/의미론 활용 등이 있습니다.
• 스마트 홈 HAR은 다양한 센서 배치 및 라벨 매핑으로 이질적 전이를 포함하는 경우가 많아 특화된 정렬 전략이 필요합니다.
• 웨어러블 HAR 역시 디바이스 이질성과 분포 이동에 직면하여 전이를 위한 신경 임베딩 및 오토인코더와 같은 접근법을 촉진합니다.
• 본 설문은 205편이 넘는 연구를 다루며 문제-해결 관점과 다루지 않은 도전 과제를 해결하기 위한 로드맵을 제공합니다.