有效的自监督人体活动识别到底需要多少未标注数据？

从纯未标注数据中学习有效表示的前景推动了基于传感器的人体活动识别（HAR）自监督学习（SSL）方法的发展。通常，（大规模）未标注数据用于预训练，学习到的权重被用作识别活动的特征提取器。之前的研究关注数据规模增加对性能的影响，而我们的目标是发现自监督方法的预训练数据效率。我们实证确定了获得与使用全部数据相当性能所需的未标注数据最小量。我们的研究评估了三个目标数据集上针对HAR的三种成熟SSL方法。在这三种方法中，我们发现对比预测编码（CPC）在预训练数据需求方面最为高效：仅需跨参与者的15分钟传感器数据即可获得具有竞争力的活动识别性能。此外，当有足够的目標应用数据可用时，约5分钟的源数据就足够了。这些发现可以作为更高效数据收集实践的起点。