smartwatch_gestures,smartwatch_gestures

  • คำอธิบาย :

ชุดข้อมูล SmartWatch Gestures ได้รับการรวบรวมเพื่อประเมินอัลกอริธึมการรู้จำท่าทางต่างๆ สำหรับการโต้ตอบกับแอปพลิเคชันมือถือโดยใช้ท่าทางแขน

ผู้ใช้ 8 คนแสดงท่าทางที่แตกต่างกัน 20 ครั้ง รวมเป็น 3200 ท่า แต่ละลำดับประกอบด้วยข้อมูลการเร่งความเร็วจากมาตรวัดความเร่งแบบ 3 แกนของ Sony SmartWatch™ รุ่นแรก ตลอดจนการประทับเวลาจากแหล่งสัญญาณนาฬิกาต่างๆ ที่มีอยู่ในอุปกรณ์ Android สวมสมาร์ทวอทช์ที่ข้อมือขวาของผู้ใช้ ท่าทางได้รับการแบ่งส่วนโดยผู้ใช้ด้วยตนเองโดยการแตะที่หน้าจอสมาร์ทวอทช์ที่จุดเริ่มต้นและจุดสิ้นสุดของการทำซ้ำทุกครั้ง

แยก ตัวอย่าง
'train' 3,251
  • โครงสร้างคุณลักษณะ :
FeaturesDict({
    'attempt': uint8,
    'features': Sequence({
        'accel_x': float64,
        'accel_y': float64,
        'accel_z': float64,
        'time_event': uint64,
        'time_millis': uint64,
        'time_nanos': uint64,
    }),
    'gesture': ClassLabel(shape=(), dtype=int64, num_classes=20),
    'participant': uint8,
})
  • เอกสารคุณสมบัติ :
ลักษณะเฉพาะ ระดับ รูปร่าง Dประเภท คำอธิบาย
คุณสมบัติDict
พยายาม เทนเซอร์ uint8
คุณสมบัติ ลำดับ
คุณสมบัติ/accel_x เทนเซอร์ float64
คุณสมบัติ/accel_y เทนเซอร์ float64
คุณสมบัติ/accel_z เทนเซอร์ float64
คุณสมบัติ/time_event เทนเซอร์ uint64
คุณลักษณะ/time_millis เทนเซอร์ uint64
คุณสมบัติ/time_nanos เทนเซอร์ uint64
ท่าทาง ป้ายกำกับคลาส int64
ผู้เข้าร่วม เทนเซอร์ uint8
  • การอ้างอิง :
@INPROCEEDINGS{
  6952946,
  author={Costante, Gabriele and Porzi, Lorenzo and Lanz, Oswald and Valigi, Paolo and Ricci, Elisa},
  booktitle={2014 22nd European Signal Processing Conference (EUSIPCO)},
  title={Personalizing a smartwatch-based gesture interface with transfer learning},
  year={2014},
  volume={},
  number={},
  pages={2530-2534},
  doi={} }