مقاله DOO-RE: مجموعه داده ای از حسگرهای محیط در یک اتاق جلسه برای تشخیص فعالیت

چکیده

With the advancement of IoT technology, recognizing user activities with machine learning methods is a promising way to provide various smart services to users. High-quality data with privacy protection is essential for deploying such services in the real world. Data streams from surrounding ambient sensors are well suited to the requirement. Existing ambient sensor datasets only support constrained private spaces and those for public spaces have yet to be explored despite growing interest in research on them. To meet this need, we build a dataset collected from a meeting room equipped with ambient sensors. The dataset, DOO-RE, includes data streams from various ambient sensor types such as Sound and Projector. Each sensor data stream is segmented into activity units and multiple annotators provide activity labels through a cross-validation annotation process to improve annotation quality. We finally obtain 9 types of activities. To our best knowledge, DOO-RE is the first dataset to support the recognition of both single and group activities in a real meeting room with reliable annotations.

چکیده به فارسی (ترجمه ماشینی)

با پیشرفت فناوری IoT ، شناخت فعالیت های کاربر با روش های یادگیری ماشین ، روشی امیدوارکننده برای ارائه خدمات هوشمند مختلف به کاربران است.داده های با کیفیت بالا با محافظت از حریم خصوصی برای استقرار چنین خدماتی در دنیای واقعی ضروری است.جریان داده از سنسورهای محیط اطراف به خوبی مطابق با نیاز است.مجموعه داده های سنسور محیط موجود فقط از فضاهای محدود خصوصی پشتیبانی می کند و مواردی که برای فضاهای عمومی وجود دارد ، با وجود علاقه روزافزون به تحقیقات در مورد آنها ، هنوز مورد بررسی قرار نگرفته است.برای برآورده کردن این نیاز ، ما یک مجموعه داده جمع آوری شده از یک اتاق جلسات مجهز به سنسورهای محیط می سازیم.مجموعه داده ها ، Doo-re ، شامل جریان داده ها از انواع مختلف سنسور محیط مانند صدا و پروژکتور است.هر جریان داده سنسور به واحدهای فعالیت تقسیم می شود و چندین حاشیه نویسی برچسب های فعالیت را از طریق یک فرآیند حاشیه نویسی اعتبار سنجی برای بهبود کیفیت حاشیه نویسی ارائه می دهند.سرانجام 9 نوع فعالیت را بدست می آوریم.به بهترین دانش ما ، Doo-RE اولین مجموعه داده ای است که از شناخت هر دو فعالیت یک و گروهی در یک اتاق جلسه واقعی با حاشیه نویسی های قابل اعتماد حمایت می کند.