smartwatch_gestures,smartwatch_gestures

  • Descrição :

O SmartWatch Gestures Dataset foi coletado para avaliar vários algoritmos de reconhecimento de gestos para interagir com aplicativos móveis usando gestos de braço.

Oito usuários diferentes realizaram vinte repetições de vinte gestos diferentes, totalizando 3200 sequências. Cada sequência contém dados de aceleração do acelerômetro de 3 eixos de um Sony SmartWatch™ de primeira geração, bem como registros de data e hora de diferentes fontes de relógio disponíveis em um dispositivo Android. O smartwatch foi usado no pulso direito do usuário. Os gestos foram segmentados manualmente pelos usuários que os executam tocando na tela do smartwatch no início e no final de cada repetição.

Dividir Exemplos
'train' 3.251
  • Estrutura de recursos :
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,
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
RecursosDict
tentar tensor uint8
recursos Seqüência
features/accel_x tensor float64
features/accel_y tensor float64
features/accel_z tensor float64
recursos/time_event tensor uint64
características/time_millis tensor uint64
features/time_nanos tensor uint64
gesto ClassLabel int64
participante tensor uint8
  • Citação :
@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={} }