Efficiëntere activiteitsherkenning met bewegingssensoren
Onderzoekers hebben een methode ontwikkeld om activiteitsherkenning via bewegingssensoren te verbeteren. Hierbij leert een eenvoudig computermodel met minder sensoren van een complexer model dat tijdens de training extra sensoren gebruikt.
Het bijhouden van menselijke bewegingen met behulp van meerdere traagheidsensoren leidt doorgaans tot nauwkeurige resultaten. In de praktijk is het echter onpraktisch om gebruikers altijd met een volledige set sensoren uit te rusten. Nieuw onderzoek richt zich op een techniek waarbij een computermodel tijdens de trainingsfase profiteert van meerdere sensoren, maar in de gebruiksfase voldoende heeft aan slechts één sensor op de arm.
Deze benadering past in een bredere ontwikkeling binnen de kunstmatige intelligentie om geavanceerde systemen lichter en praktischer te maken. Door kennis over te dragen van een zwaar model naar een compacte variant, blijft de nauwkeurigheid behouden zonder dat dit ten koste gaat van de gebruiksvriendelijkheid in alledaagse toepassingen.
Deze samenvatting is gebaseerd op een origineel artikel van arXiv (cs.LG). Lees het volledige, originele bericht bij de bron.
Lees het originele artikel