AWARE-Net：一种用于稳健的基于传感器的人体活动识别的轻量级联合优化框架

《Sensors》：AWARE-Net: A Lightweight Joint Optimization Framework for Robust Sensor-Based Human Activity Recognition

　　

摘要

基于传感器的人类活动识别是普适计算、移动健康及相关领域中的核心研究方向。尽管现有的深度学习方法在人类活动识别任务上取得了显著进展，但大多数方法仅从单一维度进行优化。它们难以同时兼顾识别精度、抗噪声能力、对类别不平衡的适应能力以及轻量级部署要求，从而导致在实际应用中出现性能瓶颈。为解决这些问题，本文提出了一种名为AWARE-Net的轻量级联合优化框架。该框架以轻量级的TS-ResNet作为核心编码器，结合时空动态卷积特征编码与全局损失函数，该损失函数融合了类别平衡损失、对比学习辅助损失以及时间平滑正则化项，从而实现多目标联合优化。在OPPORTUNITY、PAMAP2和USC-HAD三个广泛使用的人类活动识别基准数据集上的大量实验表明，所提出的AWARE-Net与现有的先进识别方法相比具有竞争力的性能。