smartwatch_gestures,smartwatch_gestures

• توضیحات :

مجموعه داده SmartWatch Gestures برای ارزیابی چندین الگوریتم تشخیص ژست برای تعامل با برنامه های تلفن همراه با استفاده از حرکات بازو جمع آوری شده است.

هشت کاربر مختلف بیست تکرار از بیست ژست مختلف را برای مجموع 3200 دنباله انجام دادند. هر دنباله حاوی داده‌های شتاب از شتاب‌سنج 3 محوره نسل اول Sony SmartWatch™، و همچنین مهرهای زمانی از منابع ساعت مختلف موجود در دستگاه Android است. ساعت هوشمند روی مچ دست راست کاربر بسته شده بود. ژست‌ها به‌صورت دستی توسط کاربرانی که آن‌ها را با ضربه زدن روی صفحه ساعت هوشمند در ابتدا و در پایان هر تکرار انجام می‌دهند، تقسیم‌بندی شده‌اند.

• صفحه اصلی : https://tev.fbk.eu/resources/smartwatch

• کد منبع : tfds.datasets.smartwatch_gestures.Builder

• نسخه ها :

  • 1.0.0 (پیش فرض): انتشار اولیه.

• حجم دانلود : 2.06 MiB

• حجم مجموعه داده : 2.64 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

• ساختار ویژگی :

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,
})

• مستندات ویژگی :

• کلیدهای نظارت شده (نگاه کنید به as_supervised doc ): ('features', 'gesture')

• شکل ( tfds.show_examples ): پشتیبانی نمی شود.

• مثال‌ها ( tfds.as_dataframe ):

• نقل قول :

@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={} }