每日（一文 SleepPoseNet: Multi-View Learning for Sleep Postural Transition Recognition Using UWB

Tricks

1. WRTFT(Weighted Range Time Fourier Transform)
   本质上是一个Range-加权的STFT（有其他的加权方式吗？）

   • 简言之就是对Time-Range Spectrogram按行分别进行STFT；
   • 再按照距离域能量进行加权
     ${\sigma }_m=E_m/{\sum }_{m=1}^R{E}_m$
     $E_m=\sum TRMa{p}^2(m,:)$

2. Data Augmentation

   • Time-Shift & Range-Shift
     类比图像的平移
   • Time-Warping & Magnitude-Warping
     将时间或者强度的序列按照某一种曲线进行扭曲
     例如，原本的时间变化是$y=t$，即按线性变化。
     经过Time-Warping后，可能成为一种沿着$y=t$上下浮动的曲线

Method

其实这里所谓的Multi-View Learning指的并不是“多角度”数据下的学习规则，更准确的来说，应该理解为"Multi-Modality Fusion"。[ref: A survey of multi-view representations learning]

该文章在实际运用"Multi-View"的方式，从过程来看，更像是简单的Feature-Fusion。它通过Concatenation结合了T-R Map与Spectrogram经过各自的简单Convs所产生的特征。

而且，该文章自己也提到了它的方法并不能很好地适应"Same-Range & Different Angles"。

Comment

参考价值不大，Tricks可以考虑。