科学家开发出性能优于现有同类方案的智能手表AI模型
该模型有望改进各类监测系统
来自因诺波利斯大学的科学家作为国际研究团队的一员,开发出了一种能够根据传感器数据识别30多种人类活动的神经网络架构。这一基于AI的新模型实现了高达98.91%的识别准确率。据TV BRICS合作伙伴该校 网站介绍,该模型最终有望提升健康监测系统的性能。
基于传感器的人类活动识别系统通常面临两项相互冲突的要求:既要能同时检测快速动作(如跌倒时的突然加速),又要能解读长期行为模式(如在数秒时间内区分步行与跑步)。大多数模型往往只能出色地完成其中一项任务,而这项新成果则解决了这一难题。
与此同时,该模型极其轻量化,仅需5万至6.2万个参数,且每次预测仅需200万至350万次计算操作。这使其非常适合应用于低成本可穿戴设备,如智能手表、健身追踪器和医疗设备。
开发人员利用全球通用的三个公开数据集对该模型进行了测试,这些数据集常用于评估人类活动识别系统。
在第一个数据集上,该模型实现了97.49%的准确率,比此前的世界最佳成绩高出2.49%。在第二个数据集上,准确率达到98.91%,比此前处于世界领先地位的模型高出1.2%。
值得注意的是,该模型展现出了同等出色的活动识别能力——包括识别罕见活动;其成功率达到97.5%,而另一款主流AI模型的成功率仅为74.2%。开发人员指出,这一新方案在识别罕见活动类别(特别是各种类型的跌倒)方面表现更佳。
他们预计,该新型AI模型未来可用于追踪患者在受伤或中风后的康复情况,并协助职业运动员监测其赛事训练进度。这款改进的AI模型将提高智能手表和健身追踪器的精确度,实现对步数、心率和卡路里的无误监测,并能识别各种身体活动。在自动驾驶运输系统中,该技术将能够检测道路上的行人。