[论文解读] Cross-Country Skiing Gears Classification using Deep Learning

Aliaa Rassem, Mohammed El-Beltagy+1 more|arXiv (Cornell University)|Jun 27, 2017

Human Pose and Action Recognition参考文献 1被引用 7

一句话总结

本文提出一种基于深度学习的方法，利用3D加速度计数据对越野滑雪的滑行方式（gear）进行分类，比较了卷积神经网络（CNN）、长短期记忆（LSTM）网络和多层感知机（MLP）的表现。标准前向LSTM实现了最低的分类误差1.6%，优于其他模型，因其通过共享权重和记忆门机制能够有效建模时间依赖性。

ABSTRACT

Human Activity Recognition has witnessed a significant progress in the last decade. Although a great deal of work in this field goes in recognizing normal human activities, few studies focused on identifying motion in sports. Recognizing human movements in different sports has high impact on understanding the different styles of humans in the play and on improving their performance. As deep learning models proved to have good results in many classification problems, this paper will utilize deep learning to classify cross-country skiing movements, known as gears, collected using a 3D accelerometer. It will also provide a comparison between different deep learning models such as convolutional and recurrent neural networks versus standard multi-layer perceptron. Results show that deep learning is more effective and has the highest classification accuracy.

研究动机与目标

• 为解决利用传感器数据对越野滑雪滑行方式（其强度和频率各不相同）进行分类的挑战。
• 评估深度学习模型（特别是CNN、LSTM和MLP）在分类滑雪运动模式方面的有效性。
• 通过端到端学习的深度神经网络，克服手工设计特征的局限性。
• 比较不同深度学习架构在捕捉滑雪信号时间动态特性方面的性能表现。

提出的方法

• 从多位滑雪者执行不同滑雪滑行方式时采集多轴加速度计数据。
• 应用深度学习模型，包括1D-CNN、双向LSTM和标准LSTM，以及两层MLP，对传感器数据的时间序列进行分类。
• 以原始3D加速度信号作为输入，无需手工特征工程，从而实现分层特征学习。
• 通过调整CNN中的滤波器数量和每个时间步的LSTM单元数量，优化模型性能。
• 采用标准的深度学习组件：ReLU激活函数、最大池化、Dropout正则化和Softmax输出层。
• 通过在大规模、多样化的滑雪数据集上测试分类误差，评估模型的泛化能力和鲁棒性。

实验结果

研究问题

• RQ1 深度学习模型能否在无需手工特征的情况下，仅从原始3D加速度计信号中有效分类越野滑雪滑行方式？
• RQ2 在处理强度和频率各异的滑雪运动模式时，不同深度学习架构（CNN、LSTM和MLP）的分类表现如何比较？
• RQ3 每个时间步的LSTM单元最优数量是多少，才能使滑雪滑行方式识别的分类误差最小化？
• RQ4 双向LSTM架构是否在分类滑雪序列方面优于单向LSTM？
• RQ5 为何传统MLP在复杂、强度多变的滑雪信号上泛化能力较差，而循环网络和卷积网络表现更优？

主要发现

• 标准前向LSTM实现了最低的分类误差1.6%，优于所有其他测试模型。
• 每个时间步使用更多循环单元的LSTM模型性能更优，最优单元数量与输入信号长度一致。
• 双向LSTM并未提升性能，可能是因为滑雪运动模式具有强时间顺序性。
• CNN在使用少量局部滤波器时达到最低2.4%的误差，但增加滤波器数量并未提升性能。
• 两层MLP泛化能力差，且随着隐藏单元数量增加，性能反而下降，表明其对时间动态建模能力不足。
• LSTM通过共享权重和记忆门机制，能够有效学习时间序列中的长期依赖关系，因此最适用于本任务。