умные часы_жесты, умные часы_жесты

• Описание :

Набор данных SmartWatch Gestures был собран для оценки нескольких алгоритмов распознавания жестов для взаимодействия с мобильными приложениями с помощью жестов рук.

Восемь разных пользователей выполнили двадцать повторений двадцати различных жестов, всего 3200 последовательностей. Каждая последовательность содержит данные об ускорении с 3-осевого акселерометра Sony SmartWatch™ первого поколения, а также метки времени из различных источников синхронизации, доступных на устройстве Android. Умные часы носились на правом запястье пользователя. Жесты были вручную сегментированы пользователями, выполняющими их, касаясь экрана умных часов в начале и в конце каждого повторения.

• Домашняя страница : https://tev.fbk.eu/resources/smartwatch

• Исходный код : tfds.datasets.smartwatch_gestures.Builder

• Версии :

  • 1.0.0 (по умолчанию): Первоначальный выпуск.

• Размер загрузки : 2.06 MiB

• Размер набора данных : 2.64 MiB .

• Автоматическое кэширование ( документация ): Да

• Сплиты :

• Структура функции :

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,
})

• Документация по функциям :

• Контролируемые ключи (см . документ as_supervised ): ('features', 'gesture')

• Рисунок ( tfds.show_examples ): не поддерживается.

• Примеры ( tfds.as_dataframe ):

• Цитата :

@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={} }