• 목록

[일시]
2024.06.11

[세미나 주제]
CSI-Based Human Action Recognition Via Contrastive Shapelets Learning

[발표자]
정종민

[요약]
본 발표는 CSI data에 기반한 HAR 과업에서 발생하는 'small-labeled problem'을 해결하기 위한 자기지도 학습의 taxonomy를 소개한다.
Time-series data의 'small-labeled problem'을 해결하기 위한 자기지도 학습은 크게 1)Generative-based approaches, 2)Adversarial-based approaches, 3)Contrasting-based approaches 로 분류되며, 본 발표에서는 'Contrasting-based approaches' 에 대한 설명을 중점적으로 진행한다.
'Contrasting(대조)'이란 기준이 되는 data point에 대한 positive, negative pair를 형성하고, 해당 data point로 부터 각각 가까워지고 멀어지도록 학습하는 방식을 의미하며, 이를 통해 적은 양의 data를 통해 task-agnostic한 representation을 학습할 수 있다.
그런데 기존의 CSI 기반 HAR 과업에서 대조학습시 CNN 및 transformer 기반 특징추출 과정을 거치는데, 다른 domain을 위해 design 된 구조적 특성으로 시계열 자료의 복잡한 특성을 잘 반영하지 못한다는 단점이 있다. 이에 본 발표에서는 시계열 자료의 discriminative한 subsequence인 shapelet을 소개하며, shapelet에 기반한 특징추출 과정을 활용한 대조학습 프레임워크(Contrastive Shapelets Learning)를 소개한다.
그러나 'CSL'에서 anchor의 view를 생성하기 위해 augmentation 기법을 적용하는데, 이는 시계열 자료의 특징을 훼손할 가능성이 있다.
이에 본 발표에서는 'Contrasting Dilated Shapelets' 이라는 방법론을 제안하며, 기존 방법론과의 간단한 비교 실험 결과를 소개한다.

[관련 논문]
- Self-Supervised Learning for Time Series Analysis: Taxonomy, Progress, and Prospects
- A Shapelet-based Framework for Unsupervised Multivariate Time Series Representation Learning
- Random Dilated Shapelet Transform: A New Approach for Time Series Shapelets

[녹화 영상 링크]
https://us02web.zoom.us/rec/share/YcUmwVeix1-IMOG3hmThpPak7QRJaSGZl1-z8UUo_1Bv91sduHqAI3Dy_bjmxcdQ.x0Oh7zfKC8zxkLlR