使用自我注意从可穿戴传感器数据中识别人类活动
Tensorflow 2.x实施“使用自注意力从可穿戴传感器数据中识别人类活动”， ，作者： 和M. Tanjid Hasan Tonmoy等。
[ ] [ ]
**此存储库正在维护中。 最终版本的代码将很快发布**
安装
要在python3环境中安装依赖项，请运行：
pip install -r requirements.txt
数据集下载
要下载数据集并将其放置在data目录下以进行模型训练和推理， dataset_download.py使用以下命令运行脚本dataset_download.py ：
python dataset_download.py --dataset DATASET --unzip
此处，此项目的命令行参数DATASET中的数据集名称如下：
DATASET = pamap2 / opp / uschad
2021-11-09 15:15:25
73KB
1
人类活动识别
在 UCI HAR 数据集上使用 ML 进行人类活动识别
2021-11-08 15:56:17
55KB
1
元宇宙，人类的数字化生存，进入雏形探索期-中信证券-2021.9.12-177页.pdf
2021-10-31 17:13:24
8.67MB
1
SourceAFIS for Java
SourceAFIS是一种指纹识别引擎，可获取一对人类指纹图像并返回其相似度分数。 它可以进行1：1比较以及高效的1：N搜索。 这是SourceAFIS算法的Java实现。
文档： ， ， ，
下载：请参阅页面
资料来源： ，
问题： ，
许可证：
FingerprintTemplate probe = new FingerprintTemplate (
new FingerprintImage (
Files . readAllBytes( Paths . get( " probe.jpeg " )),
new FingerprintImageOptions ()
.dpi( 500 )));
FingerprintTemplate candidate = new FingerprintTemplate (
n
2021-10-30 14:51:40
1.25MB
1
智能手机数据集
使用智能手机数据集的人类活动识别
要运行此脚本，请首先确保输入数据在您的工作目录中可用。
输入数据集可。 下载文件后，将其解压缩到您的工作目录中（目录“ UCI HAR Dataset”应位于工作目录中）。
该脚本取决于库plyr，并假定已安装。 该脚本已经过R版本3.2.1的测试。
2021-10-28 17:38:34
85KB
1
介绍：
用于人类活动识别的LSTM-CNN模型第一个可穿戴的数据集是“ ，该包含30位受试者的记录，这些受试者在进行带有腰部安装式智能手机的嵌入式智能手机的同时进行日常生活（ADL）活动。 每个人都在腰上佩戴智能手机（三星Galaxy S II）进行六项活动。 从嵌入式加速度计和陀螺仪中，以50Hz的恒定速率捕获3轴线性加速度和3轴角速度。 标签是通过视频记录的。 传感器信号通过应用噪声滤波器进行预处理，然后在2.56秒和50％重叠（128个读数/窗口）的固定宽度滑动窗口中采样。 通过从时域和频域计算变量，从每个窗口获得了561个特征的向量。 另一个可穿戴数据集是数据集，该数据集包含十名志愿者在执行12项常见活动时的身体运动和生命体征记录。 放置在对象胸部，右手腕和左脚踝上的传感器用于测量身体各个部位所经历的运动，即加速度，转弯速率和磁场方向。 置于胸部的传感器还提供2导联心电图测量，可
2021-10-27 08:54:31
90.91MB
1
CNN用于人类活动识别
博客文章的。
所需工具
在开发过程中使用Python 2.7，并且需要以下库来运行笔记本中提供的代码：
张量流
脾气暴躁的
Matplotlib
大熊猫
数据集
可以从以下下载用于模型训练的WISDM Actitracker数据集
相关问题
步行活动中的用户标识。 可以从以下下载22个个人的加速度计数据集
2021-10-26 21:15:17
37MB
1