KIT | KIT-Bibliothek | Impressum | Datenschutz

Domain Knowledge Infusion in Machine Learning for Digital Signal Processing Applications : An in-depth case study on table tennis stroke recognition

Wieland, Christoph Ludwig Richard

Abstract:

Diese Arbeit untersucht die Infusion von Domänenwissen als eine Möglichkeit zur Optimierung von Anwendungen des maschinellen Lernens in der Signalverarbeitung. Als Anwendungsbeispiel wird die Erkennung von Tischtennisschlägen anhand von Signalen detailliert analysiert. Die Signale stammen von Sensoren, die in einer am Handgelenk getragenen Smartwatch integriert sind. Domänenwissen wird auf verschiedenen Abstraktionsebenen verwendet, um die Schlagerkennung und -klassifikation zu verbessern. Diese reichen von der Wahl und Fusion tischtennisrelevanter Sensoren, über Low-Level-Signalkorrekturen, bis hin zu Zustandsautomaten, die basierend auf dem Wissen über gültige Schlagsequenzen eine Selbstkorrektur von Fehlklassifikationen ermöglichen. ... mehr

Abstract (englisch):

This work explores the infusion of domain knowledge as a way to improve machine learning applications in signal processing. Table tennis stroke detection is used here as an in-depth exemplary use case with signals collected from the sensors of a wrist-worn smartwatch. Domain knowledge is leveraged at various abstraction levels to improve stroke detection and classification, ranging from low-level signal corrections, context-dependent sensor fusion, stroke type characteristics, to valid gameplay state machines that allow self-correction of misclassifications. An LSTM based prototype is shown to successfully distinguish between play/no play, stroke/no stroke, length of stroke, eight types of strokes (drive, loop, block, push for forehand/backhand), as well as to predict metrics of future strokes based on past strokes. ... mehr


Volltext §
DOI: 10.5445/IR/1000134058
Veröffentlicht am 16.06.2021
Cover der Publikation
Zugehörige Institution(en) am KIT Fakultät für Informatik (INFORMATIK)
Publikationstyp Hochschulschrift
Publikationsdatum 09.06.2021
Sprache Englisch
Identifikator KITopen-ID: 1000134058
Verlag Karlsruher Institut für Technologie (KIT)
Umfang XVII, 102 S.
Art der Arbeit Abschlussarbeit - Master
Prüfungsdaten 09.06.2021
Referent/Betreuer Pankratius, Victor
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page