แจ้งเอกสารไม่ครบถ้วน, ไม่ตรงกับชื่อเรื่อง หรือมีข้อผิดพลาดเกี่ยวกับเอกสาร ติดต่อที่นี่ ==>
หากไม่มีอีเมลผู้รับให้กรอก thailis-noc@uni.net.th
หากไม่มีอีเมลผู้รับให้กรอก thailis-noc@uni.net.th
Anuchit Jitpattanakul. Deep learning networks for eating and drinking recognition based on smartwatch sensors. (). King Mongkut's University of Technology North Bangkok. Central Library. : , 2022.
Deep learning networks for eating and drinking recognition based on smartwatch sensors
Name: Sakorn Mekruksavanich
Organization :
University of Phayao. School of Information and Communication Technology
Email :
sakorn.me@up.ac.th
Name: Ponnipa Jantawong
Organization :
University of Phayao. School of Information and Communication Technology
Email :
ponnipa.jantawong@gmail.com
Name: Narit Hnoohom
Organization :
Mahidol University. Faculty of Engineering
Name: Anuchit Jitpattanakul
Organization :
King Mongkut's University of Technology North Bangkok. Faculty of Applied Science
Email :
anuchit.j@sci.kmutnb.ac.th
keyword:
Smartwatch Sensors
LCSH:
Nutrition
-- Evaluation
Abstract:
Smartwatches are becoming more popular for recognizing
and monitoring human actions in everyday life. These
wearable devices are equipped with various IMU sensors for
ubiquitous data processing and recording of human physical
activity data. Sensor-based human activity recognition (HAR)
has risen to the top of the list of the most active research
topic due to its widely real-life applications in various practical
domains, such as healthcare monitoring, sports and exercise
tracking, and misbehavior prevention. Many machine learning
and deep learning approaches have been recently proposed to
solve the problem of human activity recognition, focusing on
activities of daily living. However, an exciting and challenging
HAR topic deals with more complex human activities such as
eating-related activities. This paper proposes a sensor-based HAR
framework using data from eating-related activities recorded
by a smartwatch sensor. In this framework, five d eep learning
networks (CNN, LSTM, BiLSTM, Stacked LSTM, CNN-LSTM,
and LSTM-CNN) are evaluated for their recognition of eatingrelated
activities. To ensure the models dependability, data from
eating-related activities on the standard publicly available dataset
WISDM-HARB are utilized to evaluate the proposed framework
using state-of-the-art metrics: accuracy and confusion matrices.
Experiment findings demonstrate that the Stacked LSTM model
outperforms other deep learning models, achieving an accuracy
of 97.37%.
King Mongkut's University of Technology North Bangkok. Central Library
Address:
BANGKOK
Email:
library@kmutnb.ac.th
Created:
2022
Modified:
2023-01-18
Issued:
2023-01-18
บทความ/Article
application/pdf
BibliograpyCitation :
In King Mongkut's University of Technology North Bangkok. Science and Technology Research Institute. 2022 Research, Innovation, and Innovation Congress (RI2C 2022) (pp.106-111). Bangkok : Science and Technology Research Institute
eng
©copyrights King Mongkut's University of Technology North Bangkok
RightsAccess:
ใช้เวลา
0.03201 วินาที
Sakorn Mekruksavanich
| Title | Contributor | Type |
|---|---|---|
| Hyperparameter tuning in convolutional neural network for face touching activity recognition using accelerometer data
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| Deep learning networks for eating and drinking recognition based on smartwatch sensors
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| The effect of sensor placement for accurate fall detection based on deep learning model
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| Classification of physical exercise activity from ECG, PPG and IMU sensors using deep residual network
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| Object identification and localization of visual explanation for weapon detection
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Narit Hnoohom;Pitchaya Chotivatunyu;Sumeth Yuenyong;Konlakorn Wongpatikaseree;Sakorn Mekruksavanich;Anuchit Jitpattanakul | บทความ/Article | |
| Visual explanations of ResNet 101 for blister package classification
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Narit Hnoohom;Nagorn Maitrichit;Konlakorn Wongpatikaseree;Sumeth Yuenyong;Sakorn Mekruksavanich;Anuchit Jitpattanakul | บทความ/Article | |
| Efficient recognition of complex human activities based on smartwatch sensors using deep pyramidal residual network
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Anuchit Jitpattanakul | บทความ/Article | |
| Enhancing sensor-based human activity recognition using hybrid deep learning and data augmentation
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Wikanda Phaphan;Anuchit Jitpattanakul | บทความ/Article | |
| Squeeze-and-excitation hybrid network for biometric identification via photoplethysmography
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Wikanda Phaphan;Anuchit Jitpattanakul | บทความ/Article | |
| Deep learning approach for complex activity recognition using heterogeneous sensors from wearable device
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Narit Hnoohom;Anuchit Jitpattanakul;You, Ilsun;Sakorn Mekruksavanich | บทความ/Article | |
| Skeleton-based physical exercise recognition using deep residual networks with SE modules for enhancing health in smart cities
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Wikanda Phaphan;Anuchit Jitpattanakul | บทความ/Article | |
| IMU-based human fall detection using deep residual networks for advancing health and injury prevention
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Wikanda Phaphan;Anuchit Jitpattanakul | บทความ/Article | |
| A deep residual-based model on multi-branch aggregation for stress and emotion recognition through biosignals
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| Enhancing clinical activity recognition with bidirectional RNNs and accelerometer-ECG fusion
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Anuchit Jitpattanakul | บทความ/Article | |
| Comparison of different deep learning networks to classify epilepsy seizure based on EEG signals
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Anuchit Jitpattanakul | บทความ/Article |
Ponnipa Jantawong
| Title | Contributor | Type |
|---|---|---|
| Hyperparameter tuning in convolutional neural network for face touching activity recognition using accelerometer data
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| Deep learning networks for eating and drinking recognition based on smartwatch sensors
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| The effect of sensor placement for accurate fall detection based on deep learning model
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| Classification of physical exercise activity from ECG, PPG and IMU sensors using deep residual network
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| Enhancing clinical activity recognition with bidirectional RNNs and accelerometer-ECG fusion
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Anuchit Jitpattanakul | บทความ/Article | |
| Comparison of different deep learning networks to classify epilepsy seizure based on EEG signals
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Anuchit Jitpattanakul | บทความ/Article |
Narit Hnoohom
| Title | Contributor | Type |
|---|---|---|
| Hyperparameter tuning in convolutional neural network for face touching activity recognition using accelerometer data
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| Deep learning networks for eating and drinking recognition based on smartwatch sensors
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| The effect of sensor placement for accurate fall detection based on deep learning model
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| Classification of physical exercise activity from ECG, PPG and IMU sensors using deep residual network
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| Object identification and localization of visual explanation for weapon detection
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Narit Hnoohom;Pitchaya Chotivatunyu;Sumeth Yuenyong;Konlakorn Wongpatikaseree;Sakorn Mekruksavanich;Anuchit Jitpattanakul | บทความ/Article | |
| Visual explanations of ResNet 101 for blister package classification
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Narit Hnoohom;Nagorn Maitrichit;Konlakorn Wongpatikaseree;Sumeth Yuenyong;Sakorn Mekruksavanich;Anuchit Jitpattanakul | บทความ/Article | |
| Deep learning approach for complex activity recognition using heterogeneous sensors from wearable device
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Narit Hnoohom;Anuchit Jitpattanakul;You, Ilsun;Sakorn Mekruksavanich | บทความ/Article | |
| A deep residual-based model on multi-branch aggregation for stress and emotion recognition through biosignals
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| Integrating pseudo-relevance feedback with deep learning for automated ICD-10 coding
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Kitti Akkhawatthanakun;Lalita Narupiyakul;Konlakorn Wongpatikaseree;Narit Hnoohom;Paisarn Muneesawang | บทความ/Article |
Anuchit Jitpattanakul
| Title | Contributor | Type |
|---|---|---|
| Optimal attitude control for rigid spacecraft using successive approximation approach
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Anuchit Jitpattanakul | Chutiphon Pukdeboon | งานวิจัย/Research report |
| Hyperparameter tuning in convolutional neural network for face touching activity recognition using accelerometer data
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| Deep learning networks for eating and drinking recognition based on smartwatch sensors
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| The effect of sensor placement for accurate fall detection based on deep learning model
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| Classification of physical exercise activity from ECG, PPG and IMU sensors using deep residual network
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Ponnipa Jantawong;Narit Hnoohom;Anuchit Jitpattanakul | บทความ/Article | |
| Object identification and localization of visual explanation for weapon detection
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Narit Hnoohom;Pitchaya Chotivatunyu;Sumeth Yuenyong;Konlakorn Wongpatikaseree;Sakorn Mekruksavanich;Anuchit Jitpattanakul | บทความ/Article | |
| Visual explanations of ResNet 101 for blister package classification
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Narit Hnoohom;Nagorn Maitrichit;Konlakorn Wongpatikaseree;Sumeth Yuenyong;Sakorn Mekruksavanich;Anuchit Jitpattanakul | บทความ/Article | |
| Efficient recognition of complex human activities based on smartwatch sensors using deep pyramidal residual network
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Anuchit Jitpattanakul | บทความ/Article | |
| Enhancing sensor-based human activity recognition using hybrid deep learning and data augmentation
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Wikanda Phaphan;Anuchit Jitpattanakul | บทความ/Article | |
| Squeeze-and-excitation hybrid network for biometric identification via photoplethysmography
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Wikanda Phaphan;Anuchit Jitpattanakul | บทความ/Article | |
| Deep learning approach for complex activity recognition using heterogeneous sensors from wearable device
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Narit Hnoohom;Anuchit Jitpattanakul;You, Ilsun;Sakorn Mekruksavanich | บทความ/Article | |
| Skeleton-based physical exercise recognition using deep residual networks with SE modules for enhancing health in smart cities
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Wikanda Phaphan;Anuchit Jitpattanakul | บทความ/Article | |
| IMU-based human fall detection using deep residual networks for advancing health and injury prevention
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sakorn Mekruksavanich;Wikanda Phaphan;Anuchit Jitpattanakul | บทความ/Article |