该文介绍了深度学习在WiFi人体感知领域的最新进展，提出了一种名为SenseFi的基准和模型动物园库。研究了包括MLP、CNN、RNN等深度学习模型在WiFi CSI数据上的性能，并在多个WiFi感知任务和数据集上进行了基准测试。此外，探讨了迁移学习和无监督学习在减少标注成本和提升模型性能上的潜力。SenseFi库的开源为未来研究提供了资源和工具。
深度学习及其在 WiFi 人体感知中的应用
论文题目：Deep Learning and Its Applications to WiFi Human Sensing: A Benchmark and A Tutorial
论文作者：Jianfei Yang, Xinyan Chen, Dazhuo Wang, Han Zou, Chris Xiaoxuan Lu, Sumei Sun, Fellow, IEEE and Lihua Xie, Fellow, IEEE
工作单位：新加坡南洋理工大学，英国爱丁堡大学等
发表刊物：arxiv， pp. 1-17，2022
Abstract
近年来，WiFi感知技术发展迅速。通过传播模型和深度学习方法的支持，实现了许多具有挑战性的应用，如基于WiFi的人类活动识别和姿势识别。然而，同用于视觉识别和自然语言处理的深度学习技术相比，目前还没有足够全面的用于WiFi感知的公共benchmark。本文重点介绍了深度学习在WiFi感知方面的最新进展，并提出了SenseFi以研究各种深度学习模型在WiFi感知方面的有效性。这些先进的模型从不同的感知任务、WiFi平台、识别精度、模型大小、计算复杂度、特征迁移和无监督学习的适应性等方面进行了比较。也被认为是基于深度学习的，从CSI硬件平台到感知算法的WiFi感知教程。大量的实验为实际感知应用中的深度模型设计、学习策略技能和训练技巧方面提供了经验。此工作是第一个在WiFi感知研究中使用开源库进行深度学习的benchmark。开源库链接
扫一扫
1388
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
