研究者提出MCSTN：缺失噪声传感器数据下直接做活动识别
热点事件持续更新
研究者提出MCSTN：缺失噪声传感器数据下直接做活动识别
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Jiangtao Fan 等研究者提出 MCSTN（缺失条件时空网络），一种端到端框架，可在可穿戴传感器通道缺失、噪声等不完美观测下直接进行人体活动识别，无需先插补再识别。 据论文所述，该模型在 PAMAP2、Opportunity、WISDM 三个数据集上分别取得 94.24%、91.67%、96.22% 的平均 macro-F1，均为对比方法中最佳；参数量不足 100 万，单样本推理延迟 3.78ms。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
MCSTN：面向低质量可穿戴传感器数据的人体活动识别缺失条件时空融合方法报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AIMCSTN：面向低质量可穿戴传感器数据的人体活动识别缺失条件时空融合方法
研究者提出 MCSTN，一种端到端框架，可在传感器通道缺失、噪声等不完美观测下直接进行人体活动识别，无需先插补再识别。该模型在 PAMAP2、Opportunity、WISDM 三个数据集上分别取得 94.24%、91.67%、96.22% 的平均 macro-F1，均为对比方法中最佳。参数量不足 100 万，单样本推理延迟 3.78ms。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。