gesty_zegarka, gesty_zegarka

• opis :

Zestaw danych SmartWatch Gestures Dataset został zebrany w celu oceny kilku algorytmów rozpoznawania gestów do interakcji z aplikacjami mobilnymi za pomocą gestów ramion.

Ośmiu różnych użytkowników wykonało dwadzieścia powtórzeń dwudziestu różnych gestów, w sumie 3200 sekwencji. Każda sekwencja zawiera dane przyspieszenia z 3-osiowego akcelerometru Sony SmartWatch™ pierwszej generacji, a także znaczniki czasu z różnych źródeł zegara dostępnych na urządzeniu z systemem Android. Smartwatch był noszony na prawym nadgarstku użytkownika. Gesty zostały ręcznie podzielone przez wykonujących je użytkowników, dotykając ekranu smartwatcha na początku i na końcu każdego powtórzenia.

• Strona główna : https://tev.fbk.eu/resources/smartwatch

• Kod źródłowy : tfds.datasets.smartwatch_gestures.Builder

• Wersje :

  • 1.0.0 (domyślnie): Wersja początkowa.

• Rozmiar pliku do pobrania : 2.06 MiB

• Rozmiar zestawu danych : 2.64 MiB

• Automatyczne buforowanie ( dokumentacja ): Tak

• Podziały :

• Struktura funkcji :

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,
})

• Dokumentacja funkcji :

• Klawisze nadzorowane (zobacz dokument as_supervised ): ('features', 'gesture')

• Rysunek ( tfds.show_examples ): Nieobsługiwany.

• Przykłady ( tfds.as_dataframe ):

• Cytat :

@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={} }