Учёные создали ИИ-модель для умных часов и фитнес-браслетов, которая превзошла аналоги по точности
Международный коллектив исследователей, включая российских учёных из университета «Иннополис» и Санкт-Петербургского государственного электротехнического университета «ЛЭТИ», разработал нейросетевую архитектуру для распознавания по данным сенсоров и датчиков более 30 видов активности человека — от бега и бытовых действий до сложных физических нагрузок и опасных падений. Новая модель показала точность до 98,91% и может улучшить системы мониторинга здоровья, отслеживания прогресса спортсменов, реабилитационной медицины и другие сервисы. Об этом CNews сообщил представитель университета «Иннополис».
Системы распознавания активности человека по данным сенсоров сталкиваются с двумя противоречивыми требованиями: необходимо одновременно распознавать быстрые движения, например, резкое ускорение при падении, и понимать длительные паттерны поведения — отличать ходьбу от бега за несколько секунд. Большинство моделей справляются с чем-то одним. Разработанная исследователями ИИ-модель решает эту проблему с помощью двухветвевой архитектуры.
Дмитрий Каплун, ведущий программист-математик Исследовательского центра в сфере ИИ университета «Иннополис», сказал: «Первая ветвь — временная свёрточная сеть с причинными свёртками — захватывает локальные и среднесрочные паттерны активностей — то, что человек делает прямо сейчас. А вторая ветвь — двунаправленные рекуррентные слои с механизмом канального…
