XRF55

XRF55数据集由西安交通大学软件工程学院创建，包含55个室内动作类别，涵盖人机交互、人人交互和人对象交互。数据集包含Wi-Fi、毫米波雷达和RFID三种无线模态，用于评估无线传感服务的连续学习能力。数据集创建过程中，首先将数据分为五个子集，每个子集包含不同数量的动作类别，用于模拟用户逐步引入新需求的场景。XRF55数据集主要应用于无线传感服务的持续模型更新，旨在解决模型更新过程中灾难性遗忘的问题。The XRF55 dataset was created by the School of Software Engineering, Xi’an Jiaotong University. It consists of 55 indoor action categories covering Human-Computer Interaction (HCI), Human-Human Interaction (HHI), and Human-Object Interaction (HOI). The dataset includes three wireless modalities: Wi-Fi, millimeter-wave radar, and RFID, which are used to evaluate the continual learning capability of wireless sensing services. During the dataset construction process, the data is first divided into five subsets, each containing a distinct number of action categories to simulate scenarios where users gradually introduce new requirements. The XRF55 dataset is primarily applied to continual model updates for wireless sensing services, aiming to address the issue of catastrophic forgetting during model updates.

搜集汇总

数据集介绍

构建方式

XRF55数据集通过整合Wi-Fi、毫米波雷达和RFID三种无线传感模态，构建了一个大规模的室内动作识别数据集。该数据集涵盖了55种不同的动作类别，包括人机交互、人与人交互以及人与物交互等。为了模拟用户在不同阶段的需求变化，数据集被划分为五个子集，每个子集包含不同数量的动作类别。通过这种方式，研究者能够模拟用户在不同阶段引入新需求的过程，从而评估模型在连续学习中的表现。

特点

XRF55数据集的显著特点在于其多模态数据的整合，涵盖了Wi-Fi、毫米波雷达和RFID三种无线传感技术，这使得该数据集在评估无线传感模型的跨模态适应性方面具有独特优势。此外，数据集的动作类别丰富，涵盖了多种室内场景下的交互行为，能够有效支持连续学习任务中的增量模型服务。通过模拟用户在不同阶段的需求变化，该数据集为研究者提供了一个理想的实验平台，用于评估模型在应对新需求时的表现。

使用方法

XRF55数据集主要用于评估无线传感模型的连续学习能力，特别是在用户需求不断变化的情况下。研究者可以利用该数据集进行模型的增量训练，模拟用户在不同阶段引入新需求的过程。通过将数据集划分为多个子集，研究者可以逐步引入新的动作类别，评估模型在保留旧有功能的同时学习新功能的能力。此外，该数据集还可用于验证知识蒸馏、权重对齐等技术在缓解模型遗忘问题中的有效性。

背景与挑战

背景概述

XRF55数据集是由西安交通大学和浙江大学的研究团队于2024年创建的，主要用于无线感知服务的连续学习研究。该数据集涵盖了55种室内动作类别，包括人机交互、人与人交互以及人与物交互，并结合了Wi-Fi、毫米波雷达和RFID三种无线模态。XRF55数据集的提出旨在解决无线感知服务中的模型更新问题，特别是在用户需求不断变化的情况下，如何在不传输用户数据的前提下，实现模型的持续更新与优化。该数据集的发布标志着无线感知技术从实验室研究向大规模部署的过渡，并为相关领域的研究提供了重要的实验基础。

当前挑战

XRF55数据集的构建与应用面临多重挑战。首先，无线感知服务中的模型更新需要解决灾难性遗忘问题，即在引入新功能时，模型可能会丢失已有的功能。其次，数据隐私保护是构建过程中的核心问题，如何在用户数据不传输至服务提供商的情况下实现模型更新，是一个技术难点。此外，不同无线模态（如Wi-Fi、毫米波雷达和RFID）之间的数据差异性较大，如何在多模态数据上实现一致的模型性能也是一个挑战。最后，随着用户需求的不断增加，模型的计算资源和网络负载也会随之增加，如何在有限的资源下实现高效的模型更新是该数据集面临的另一大挑战。

常用场景

经典使用场景

XRF55数据集在无线感知领域中被广泛用于模拟用户在不同无线模态（如Wi-Fi、毫米波雷达和RFID）下的连续自定义需求。该数据集通过包含55种室内动作类别，涵盖了人机交互、人与人交互以及人与物交互等多种场景，能够有效支持无线感知模型的持续学习和更新。通过XRF55数据集，研究者可以模拟用户在不同阶段引入新需求的过程，验证模型在保留旧功能的同时学习新功能的能力。

衍生相关工作

基于XRF55数据集的研究工作衍生了一系列相关的经典研究，尤其是在连续学习和无线感知服务领域。例如，研究者提出了基于知识蒸馏和权重对齐的模型更新方法，有效解决了模型在更新过程中遗忘旧功能的问题。此外，XRF55数据集还推动了多模态融合技术的研究，使得无线感知模型能够在不同模态下实现高效的动作识别和功能扩展。

数据集最近研究

最新研究方向

在无线感知领域，XRF55数据集的最新研究方向主要集中在连续学习与定制化无线感知服务的结合上。研究者们提出了CCS（Continuous Customized Service）方案，旨在通过知识蒸馏和权重对齐等技术，解决模型更新过程中出现的灾难性遗忘问题。该方案允许用户在本地计算资源上进行模型更新，而无需将数据传输至服务提供商，从而保护用户隐私。实验结果表明，CCS在Wi-Fi、毫米波雷达和RFID等多种无线模态下表现优异，显著优于现有的OneFi等方法。这一研究不仅推动了无线感知技术从实验室走向大规模部署，还为未来的无线感知服务提供了新的商业模式和技术框架。

相关研究论文

• CCS: Continuous Learning for Customized Incremental Wireless Sensing Services

  西安交通大学软件工程学院 · 2024年