smartwatch_gestures,smartwatch_gestures

• Açıklama :

SmartWatch Hareket Veri Kümesi , kol hareketlerini kullanan mobil uygulamalarla etkileşim için çeşitli hareket tanıma algoritmalarını değerlendirmek üzere toplanmıştır.

Sekiz farklı kullanıcı, toplam 3200 sekans için yirmi farklı hareketin yirmi tekrarını gerçekleştirdi. Her dizi, birinci nesil bir Sony SmartWatch™'ın 3 eksenli ivmeölçerinden ivme verilerinin yanı sıra bir Android cihazda bulunan farklı saat kaynaklarından zaman damgaları içerir. Akıllı saat, kullanıcının sağ bileğine takılırdı. Hareketler, her tekrarın başında ve sonunda akıllı saat ekranına dokunarak gerçekleştiren kullanıcılar tarafından manuel olarak bölümlere ayrılmıştır.

• Ana Sayfa : https://tev.fbk.eu/resources/smartwatch

• Kaynak kodu : tfds.datasets.smartwatch_gestures.Builder

• sürümler :

  • 1.0.0 (varsayılan): İlk sürüm.

• İndirme boyutu : 2.06 MiB

• Veri kümesi boyutu : 2.64 MiB

• Otomatik önbelleğe alınmış ( belgeleme ): Evet

• bölmeler :

• Özellik yapısı :

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,
})

• Özellik belgeleri :

• Denetlenen tuşlar (Bkz as_supervised doc ): ('features', 'gesture')

• Şekil ( tfds.show_examples ): Desteklenmiyor.

• Örnekler ( tfds.as_dataframe ):

• Alıntı :

@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={} }