Transformer-Based Human Activity Recognition: Opportunities and Challenges

本研究针对传感器驱动的人体活动识别（HAR）中的数据稀缺和资源限制进行探讨，指出转化器模型在这些条件下表现不佳。通过对500多次实验的深入分析，研究发现转化器不仅计算需求高，性能劣于传统模型，而且量化后性能显著下降，且在对抗性攻击下的鲁棒性较弱，这可能影响用户对HAR的信任。

研究发现，在数据稀缺和资源有限的情况下，转化器模型在人体活动识别中表现不佳。其计算需求高，性能不如传统模型，量化后性能下降，对抗攻击下鲁棒性弱，可能影响用户信任。

transformer 人体活动识别 数据稀缺 资源限制 转化器模型 鲁棒性
原文英文，约100词，阅读约需1分钟。发表于：。
阅读原文
分享给好友