Носимые устройства – «умные» часы, фитнес-браслеты и медицинские датчики — помогают людям отслеживать физическую активность, контролировать здоровье и вовремя реагировать на критические изменения. Для работы таких гаджетов необходимы специальные компактные алгоритмы.
Большинство моделей на рынке имеют значительные недостатки: они либо слишком «тяжелые» и требуют отправки данных в облако, либо слишком упрощенные, из-за чего не могут точно распознавать сложные или редкие события, такие как падения. Ученые ЛЭТИ совместно с коллегами из Университета Иннополис решили эту проблему и создали архитектуру, сочетающую высокую точность и сверхнизкое потребление ресурсов.
«В своей модели мы объединили два подхода. Первая ветвь представляет собой временную сверточную сеть с причинными свертками, которая захватывает локальные паттерны и анализирует то, что человек делает прямо сейчас. Вторая ветвь, использующая механизм канального внимания, моделирует долгосрочные зависимости. Она считывает общий контекст всей последовательности движений пользователя и на его основе предсказывает дальнейшую активность». – Директор Института интеллектуальных устройств СПбГЭТУ «ЛЭТИ», ведущий программист-математик Исследовательского центра в сфере ИИ Университета Иннополис Дмитрий Ильич Каплун
Благодаря такой архитектуре модель остается предельно компактной. Ее размер составляет всего от 50 до 62 тысяч параметров, а для одного предсказания требуется от 2 до 3,5 миллиона вычислительных операций. Это позволяет запускать нейросеть непосредственно на умных часах, фитнес-браслетах и медицинских устройствах без необходимости отправлять данные в облако, что гарантирует полную конфиденциальность и экономию заряда батареи.
Исследователи протестировали систему на трех общедоступных наборах данных, и разработка показала результаты, превосходящие существующие аналоги. Модель отлично отличает ходьбу от бега, фиксирует бытовые действия и сложные физические нагрузки. На одном из датасетов точность составила 97,49%, что на 2,49 процентного пункта выше предыдущего лучшего мирового результата, а на другом наборе данных показатель достиг 98,91%. Отдельное внимание было уделено редким, но критически важным событиям: в одном из тестов модель распознавала падения на 10,38 процентного пункта лучше предыдущих решений.
«Наша разработка имеет широкий потенциал для практического внедрения. В первую очередь технология будет полезна для непрерывного мониторинга здоровья, отслеживания спортивных тренировок и помощи в реабилитации пациентов после травм или инсульта. В перспективе такие системы смогут в автоматическом режиме выявлять опасные ситуации, например падения пожилых людей, и мгновенно передавать сигнал о необходимости экстренной помощи». – Директор Института интеллектуальных устройств СПбГЭТУ «ЛЭТИ», ведущий программист-математик Исследовательского центра в сфере ИИ Университета Иннополис Дмитрий Ильич Каплун
Работа опубликована в научном журнале «Сложные и интеллектуальные системы».
