smartwatch_gestures

• Açıklama:

SmartWatch Hareketleri Veri kümesi kol hareketlerini kullanarak mobil uygulamalarla etkileşime için çeşitli jest tanıma algoritmaları değerlendirmek için toplandı.

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

• Anasayfa: https://tev.fbk.eu/technologies/smartwatch-gestures-dataset

• Kaynak kodu: tfds.time_series.smartwatch_gestures.SmartwatchGestures

• sürümleri:

  • 1.0.0 (varsayılan): Başlangıç salım.

• İndirme boyutu: 2.06 MiB

• Veri kümesi boyutu: 2.64 MiB

• Otomatik önbelleğe ( dokümantasyon ): Evet

• Splits:

• Özellikler:

FeaturesDict({
    'attempt': tf.uint8,
    'features': Sequence({
        'accel_x': tf.float64,
        'accel_y': tf.float64,
        'accel_z': tf.float64,
        'time_event': tf.uint64,
        'time_millis': tf.uint64,
        'time_nanos': tf.uint64,
    }),
    'gesture': ClassLabel(shape=(), dtype=tf.int64, num_classes=20),
    'participant': tf.uint8,
})

• Denetimli tuşları (Bkz as_supervised doc ): ('features', 'gesture')

• Şekil ( tfds.show_examples ): desteklenmez.

• Örnekler ( tfds.as_dataframe ):

• Citation:

@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={} }