[논문]mmWave 레이더 기반 사람 행동 인식 딥러닝 모델의 경량화와 자원 효율성을 위한 하이퍼파라미터 최적화 기법

강지헌

doi:10.14372/iemek.2023.18.6.319

mmWave 레이더 기반 사람 행동 인식 딥러닝 모델의 경량화와 자원 효율성을 위한 하이퍼파라미터 최적화 기법
Hyperparameter optimization for Lightweight and Resource-Efficient Deep Learning Model in Human Activity Recognition using Short-range mmWave Radar 원문보기

대한임베디드공학회논문지 = IEMEK Journal of embedded systems and applications, v.18 no.6, 2023년, pp.319 - 325

강지헌 (Duksung Women's University)

Abstract ▼ AI-Helper

In this study, we proposed a method for hyperparameter optimization in the building and training of a deep learning model designed to process point cloud data collected by a millimeter-wave radar system. The primary aim of this study is to facilitate the deployment of a baseline model in resource-constrained IoT devices. We evaluated a RadHAR baseline deep learning model trained on a public dataset composed of point clouds representing five distinct human activities. Additionally, we introduced a coarse-to-fine hyperparameter optimization procedure, showing substantial potential to enhance model efficiency without compromising predictive performance. Experimental results show the feasibility of significantly reducing model size without adversely impacting performance. Specifically, the optimized model demonstrated a 3.3% improvement in classification accuracy despite a 16.8% reduction in number of parameters compared th the baseline model. In conclusion, this research offers valuable insights for the development of deep learning models for resource-constrained IoT devices, underscoring the potential of hyperparameter optimization and model size reduction strategies. This work contributes to enhancing the practicality and usability of deep learning models in real-world environments, where high levels of accuracy and efficiency in data processing and classification tasks are required.

주제어

표/그림 (12)

그림 그림 1. Coarse-to-fine 하이퍼라라미터 최적화 절차 Fig. 1. Procedure of coase-to-fine hyperparameter optimization
표 표 1. 데이터세트 구성 Table 1. Dataset Configuration
그림 그림 2 Iteration에 따른 최적화 경향성 Fig. 2. Optimization tendency according to iteration
표 표 2. Baseline 모델 구조 Table 2. Baseline model architecture
표 표 3. 1단계 하이퍼파라미터 최적화에 적용된 탐색 범위 Table 3. Search space of phase1 hyperparameter optimization
표 표 4. 1단계 실험에서 최대 성능을 만족하는 하이퍼 파라미터 구성 Table 4. hyperparameter configuration that satisfy maximum performance in Phase 1
그림 그림 3. 1단계 실험에서의 파라미터 수에 따른 성능 분포 Fig. 3. Performance distribution according to number of parameters in Phase 1
그림 그림 4. 2단계 실험에서의 파라미터 수에 따른 성능 분포 Fig. 4. Performance distribution according to number of parameters in Phase 2
표 표 5. 2단계 하이퍼파라미터 최적화에 적용된 탐색 범위 Table 5. Search space of phase2 hyperparameter optimization
표 표 6. 2단계 실험에서 최대 성능을 만족하는 하이퍼 파라미터 구성 Table 6. Search space of phase1 hyperparameter optimization
그림 그림 5. 최소 모델 크기 및 최대 성능에 대한 성능 시험 결과 혼동행렬 Fig. 5. Confusion matrix for mininum model size and best performing experiment results
표 표 7. 2단계 하이퍼파라미터 최적화에 적용된 탐색 범위 Table 7. Search space of phase2 hyperparameter optimization

참고문헌 (14)

C. Yu, Z. Xu, K. Yan, Y. R. Chien, S. H. Fang, H. C.？Wu, "Noninvasive Human Activity Recognition Using？Millimeter-Wave Radar," IEEE Systems Journal, Vol. 16,？No 2, pp. 3036-3047, 2022.

상세보기
A. Shastri, N. Valecha, E. Bashirov, H. Trtaria, M.？Lentmaier, F. Tufvesson, M. Rossi, P. Casari, "A？Review of Millimeter Wave Device-Based Localization？and Device-Free Sensing Technologies and？Applications," IEEE Communications Surveys & Tutorials, Vol. 24, No. 3, pp. 1708-1749, 2022.

상세보기
B. Liu, K. Ma, H. Fu, K. Wang, F. Meng, "IRecent？Progress of Silicon-Based Millimeter-Wave SoCs for？Short-Range Radar Imaging and Sensing," IEEE？Transactions on Circuits and Systems II: Express？Briefs, Vol. 69, No. 6, pp. 2667-2671, 2022.
Y. Rong, I. Lenz, D. W. Bliss, "Vital Signs Detection？Based on High-Resolution 3-D mmWave Radar？Imaging," 2022 IEEE International Symposium on？Phased Array Systems & Technology.
S. Lyer, L. Zhao, M. P. Mohan, J. Jimenno, M. Y. Siyal,？A. Alphones, M. F. Karim, "mm-Wave Radar-Based？Vital Signs Monitoring and Arrhythmia Detection Using？Machine Learning," Sensors, Vol. 22, No. 9, 2022.

상세보기
A. D. Singh, S. S. Sandha, L. Garcia, M. Srivastava,？"RadHAR: Human Activity Recognition from Point？Clouds Generated through a Millimeter-wave Radar,"？Proceedings of the 3rd ACM Workshop on？Millimeter-wave Networks and Sensing Systems, pp.？51-56, 2019.
H. Arab, I. Ghaffari, L. Chioukh, S. O. Tatu,？StevenDufour, "A Convolutional Neural Network for？Human Motion Recognition and Classification Using a？dxMillimeter-Wave Doppler Radar," IEEE Sensors？Journal, Vol. 22, No. 5, pp. 4494-4502, 2022.
P. P. Ray, "A review on TinyML: State-of-the-art and？Prospects," Journal of King Saud University - Computer？and Information Sciences, Vol. 34, No. 4, pp. 1595-1623,？2022.

상세보기
F. J. Adbu, Y. Zhang, M. Fu, Y. Li, Z. Deng,？"Application of Deep Learning on Millimeter-Wave？Radar Signals: A Review," Sensors, Vol. 21, No. 6,？2021.

상세보기
T. Stadelmayer, M. Standelmayer, A. Santra, R.？Weigel, F. Lurz, "Human Activity Classification Using？mm-Wave FMCW Radar by Improved Representation？Learning," Proceedings of the 4th ACM Workshop on？Millimeter-Wave Networks and Sensing Systems, Vol.？1, No. 1, pp. 1-6, 2020.
H. Zhou, Y. Zhao, Y. Liu, S. Lu, X. An, Q. Liu,？"Multi-Sensor Data Fusion and CNN-LSTM Model for？Human Activity Recognition System," Sensors, Vol. 23,？No. 10, 2023.
X. Huang, N. Patel, K. P. Tsoi, "Application of？mmWave Radar Sensor for People Identification and？Classification," Sensors, Vol. 23, No. 8, 2023.
S. Bai, J. Z. Kolter, V. Koltun, "An Empirical？Evaluation of Generic Convolutional and Recurrent？Networks for Sequence Modeling," arXiv:1803.01271,？2018.
C. R. Qi, H. Su, K. Mo, L. J. Guibas, "PointNet: Deep？Learning on Point Sets for 3D Classification and？Segmentation," Proceedings of the IEEE Conference？on Computer Vision and Pattern Recognition, pp.？652-660, 2017.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format