earticle

영어

In this paper, we propose a pedestrian walking state estimation model using SimilarNet. The SimilarNet is a deep learning layer to perform the one-to-one comparison operation and is applicable to various problems such as time-series classification. Using the SimilarNet, the proposed model estimates the user's walking state by comparing sensor measurement data classified according to the user's walking state with sensor measurement data at a specific time point. Extensive experiments show that the proposed model achieves a 44.11% improvement in accuracy and a 30% higher learning success rate compared to classification models based on the same embedding model.

한국어

본 논문에서는 SimilarNet을 이용한 1:1 비교 기법을 시계열 분석에 적용한 보행 상태 추정 모델을 제안한다. SimilarNet은 1:1 비교에 특화된 모델을 설계하기 위한 딥러닝 레이어이며, 이를 응용하면 시계열의 분류 등 다양 한 문제를 해결할 수 있다. 제안 모델은 SimilarNet을 이용하여 사용자의 보행 상태에 따라 분류된 센서 측정 데이 터와 현재 시점의 센서 측정 데이터를 1:1로 비교하여 사용자 보행 상태를 추정한다. 실험 결과 본 논문에서 제안하 는 모델은 동일한 임베딩 모델을 사용한 기존 분류 모델보다 44.11% 향상된 정확도와 기존 모델보다 30% 우수한 학습 성공률을 보인다.