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

• หน้าแรก : https://tev.fbk.eu/resources/smartwatch

• ซอร์สโค้ด : tfds.datasets.smartwatch_gestures.Builder

• รุ่น :

  • 1.0.0 (ค่าเริ่มต้น): การเปิดตัวครั้งแรก

• ขนาดการดาวน์โหลด : 2.06 MiB

• ขนาดชุดข้อมูล : 2.64 MiB

• แคชอัตโนมัติ ( เอกสาร ): ใช่

• แยก :

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

• คีย์ภายใต้การดูแล (ดู as_supervised doc ): ('features', 'gesture')

• รูปภาพ ( tfds.show_examples ): ไม่รองรับ

• ตัวอย่าง ( tfds.as_dataframe ):

• 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={} }