Efficient real-time time-series human activity recognition under budget constraint
연구 내용
컴퓨팅 예산에 맞춰 시계열 CNN 구조를 유연하게 설계하여 웨어러블 센서 기반 실시간 인체활동 인식 성능을 확보하는 연구
웨어러블 센서에서 수집되는 시계열 신호를 기반으로 인체활동을 인식하기 위해, 실시간 응답이 가능하도록 네트워크 연산량을 제약 조건으로 설정하는 접근을 수행합니다. GTSNet 계열에서는 수학적 비용 모델을 통해 계산 예산에 맞는 CNN 아키텍처를 도출하고, 그룹 단위 시간 이동 연산을 활용해 시간적 표현을 효율적으로 구성합니다. 또한 HT-AggNet에서는 계층적 시간 집계를 수행하면서 층 스태킹의 비용을 최소화하는 구조를 설계하여 지연과 자원 사용을 함께 고려합니다. 최근에는 전 계층 집계를 경량화하여 시계열 분류 성능을 유지하는 방향으로 확장하며, 엣지 환경에서의 배치 가능성과 확장성을 검토합니다.
관련 연구 성과
관련 논문
3편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 반복신경망 중심의 시간 모델링 대신, 계산량이 낮고 실시간 처리에 적합한 CNN 계열에서 시계열 인식 구조를 정립하는 데 집중하였습니다. 이후에는 응용별로 달라지는 컴퓨팅 예산을 입력으로 삼아, 네트워크 아키텍처를 사전에 정의된 계산 비용 범위 내에서 유연하게 변형하는 프레임워크로 발전시켰습니다. 그 다음 단계에서는 계층적 시간 집계와 비용이 거의 들지 않는 층 구성 전략을 결합하여 시간 정보 추출 효율을 높였고, 최근에는 전체 계층 집계를 활용한 저비용 분류 구조로 확장하며 다양한 시간 민감 시계열 과제에 적용 가능성을 확인하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
GTSNet: Flexible architecture under budget constraint for real-time human activity recognition from wearable sensor
HT-AggNet: Hierarchical temporal aggregation network with near-zero-cost layer stacking for human activity recognition
Efficient cheap all-layer aggregation network for time-sensitive time series classification