ARTFEED — Contemporary Art Intelligence

Gated-CNN: Architettura Dual-Stream Leggera per il Rilevamento delle Cadute negli Orologi Intelligenti

other · 2026-05-22

I ricercatori hanno introdotto una nuova architettura dual-stream leggera per il rilevamento delle cadute nei dispositivi indossabili, denominata Gated-CNN. Questo modello elabora indipendentemente i dati dell'accelerometro e del giroscopio utilizzando estrattori di caratteristiche convoluzionali unidimensionali. Supera le sfide poste dai meccanismi di self-attention, che possono portare a richieste computazionali quadratiche e ostacolare la localizzazione accurata dei brevi segni di impatto associati alle cadute. Il design presenta un modulo di gating sigmoideo per filtrare i segnali di fondo irrilevanti, migliorando al contempo le caratteristiche che distinguono le cadute, un livello di pooling medio globale per condensare ogni flusso in un descrittore di lunghezza fissa e una testa di classificazione condivisa che integra entrambi i descrittori per la previsione binaria delle cadute. Questa ricerca è disponibile su arXiv con ID 2605.20275.

Fatti principali

  • Gated-CNN è un'architettura dual-stream leggera per il rilevamento delle cadute nei dispositivi indossabili
  • Elabora i flussi dell'accelerometro e del giroscopio attraverso estrattori di caratteristiche convoluzionali 1D indipendenti
  • Include un modulo di gating sigmoideo per sopprimere le attivazioni di fondo e amplificare le caratteristiche discriminanti per le cadute
  • Un livello di pooling medio globale comprime ogni flusso in un descrittore compatto di lunghezza fissa
  • Una testa di classificazione condivisa fonde entrambi i descrittori per la previsione binaria delle cadute
  • Affronta le limitazioni dei meccanismi di self-attention: overhead computazionale quadratico e localizzazione compromessa dei segni di impatto
  • Pubblicato su arXiv con ID 2605.20275
  • Proposto per la valutazione offline

Entità

Istituzioni

  • arXiv

Fonti