Earticle

초록

한국어

본 논문에서는 SimilarNet을 이용한 1:1 비교 기법을 시계열 분석에 적용한 보행 상태 추정 모델을 제안한다. SimilarNet은 1:1 비교에 특화된 모델을 설계하기 위한 딥러닝 레이어이며, 이를 응용하면 시계열의 분류 등 다양 한 문제를 해결할 수 있다. 제안 모델은 SimilarNet을 이용하여 사용자의 보행 상태에 따라 분류된 센서 측정 데이 터와 현재 시점의 센서 측정 데이터를 1:1로 비교하여 사용자 보행 상태를 추정한다. 실험 결과 본 논문에서 제안하 는 모델은 동일한 임베딩 모델을 사용한 기존 분류 모델보다 44.11% 향상된 정확도와 기존 모델보다 30% 우수한 학습 성공률을 보인다.

영어

In this paper, we propose a pedestrian walking state estimation model using SimilarNet. The SimilarNet is a deep learning layer to perform the one-to-one comparison operation and is applicable to various problems such as time-series classification. Using the SimilarNet, the proposed model estimates the user's walking state by comparing sensor measurement data classified according to the user's walking state with sensor measurement data at a specific time point. Extensive experiments show that the proposed model achieves a 44.11% improvement in accuracy and a 30% higher learning success rate compared to classification models based on the same embedding model.

목차

요약
Abstract
1. 서론
2. 관련 연구
2.1. 실내측위 기술
2.2. 보행 상태 인식
2.3. SimilarNet
2.4. 딥 러닝을 이용한 분류
3. 1:1 비교를 이용한 보행 구분 모델
3.1. 1:1 비교를 이용한 분류 기법
3.2. 보행 비교 모델
3.3. 다른 보행자에 대한 모델 개인화
4. 성능 실험
4.1. 데이터셋
4.2. 실험 방법
4.3. 실험 결과
4.4. 개인화 실험
5. 결론
6. 부록
6.1. 제안 모델의 Confusion Matrix
6.2. 대조군 모델의 Confusion Matrix
Acknowledgements
참고문헌

저자

• 이충헌 [ Chungheon Yi | 인하대학교 전기컴퓨터공학과 ]
• 최원익 [ Wonik Choi | 인하대학교 전기컴퓨터공학과 ] 교신저자

참고문헌