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.

Bölmek örnekler
'train' 3.251
  • 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 :
Özellik Sınıf Şekil Dtipi Açıklama
ÖzelliklerDict
teşebbüs tensör uint8
özellikleri Sıra
özellikler/accel_x tensör şamandıra64
özellikler/accel_y tensör şamandıra64
özellikler/accel_z tensör şamandıra64
özellikler/time_event tensör uint64
özellikler/time_millis tensör uint64
özellikler/time_nanos tensör uint64
jest yapmak SınıfEtiketi int64
katılımcı tensör uint8
  • 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={} }