낙상 감지 및 활동 인식을 위한 다중 헤드 주의 메커니즘 기반 경량 시간적 합성곱 신경망

Abstract

본 논문은 다중 센서 신호를 기반으로 낙상 및 신체 활동을 효과적으로 인식할 수 있는 다중 헤드 주의 메커니즘 기반의 경량 시간적 합성곱 신경망을 제안한다. 특히, 시간적 합성곱 블록을 통해 인과적 정보와 장기 시간 의존성을 효과적으로 포착하면서도 훈련 파라미터 수를 줄이는 구조적 효율성을 달성하였다. 또한, 다중 헤드 주의 메커니즘은 시간과 채널 간의 상호 관계를 학습하여 중요한 시점의 특징을 강조하고 불필요한 정보는 억제하도록 설계하였다. 제안된 모델은 UMAFall과 UCI-HAR 공개 데이터셋에서 3가지 낙상 유형과 6가지 일상생활 동작 인식에 적용되었으며, ResNet18 기반 경량 모델 (LRN) 대비 파라미터 수 (0.077M)를 약 3배 감소시키면서도, 낙상 감지에서 1.5%, 일상생활 동작 인식에서 0.6% 향상된 매크로 F1 점수를 기록하여 성능과 효율성 모두에서 우수함을 입증하였다.