基于多尺度通道注意力机制的行为识别方法
来源：电子测量技术杂志2023年第21期北京时间：
作者：许晨炀，范非易，柯冠舟，沈建飞
单位：1.中国科学院计算技术研究所 北京 100190; 2.北京交通大学 数据科学与智能决策研究院 北京 100091; 3.山东省智能计算技术研究院 济南 250102
摘要：针对可穿戴行为识别任务中小尺度的感受野难以提取长序列关联，大尺度感受野会导致特征压缩降低网络对信号特征的分辨率的问题。提出了一种基于多尺度通道注意力机制的行为识别方法。首先，从多个感受野提取时间特征和传感器通道特征，在保证信号具有低语义特征的同时提取信号的高语义特征；其次，在多尺度特征图之间建立跨通道关联，保证低语义特征和高语义特征之间的交互。多尺度通道注意力机制能够充分融合多尺度特征和多个特征图的关联信息，增强对微弱信号和剧烈信号的识别能力。在UCIHAR、DSADS、PAMAP2和UniMibSHAR数据集上进行了对比实验，结果表明MSCA-HAR方法相比目前的主流方法在4个数据集上的分类准确率分别提升0.43%，0.75%，2.90%和0.83%。
关键词：可穿戴设备;行为识别（HAR）;多尺度通道注意力;深度学习
基金资助：国家重点研发计划（2020YFC2007104）、中国科学院战略性先导科技专项（A类）、黑土地保护与利用科技创新工程专项（XDA28040500）、北京市科技计划项目（ Z221100002722009）、国家自然科学基金青年科学基金（62202455）、济南“高校20条”引进创新团队项目（2020GXRC030）资助
