Advertisement

基于WiFi的数据集用于动作识别。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
我计划开发一个以无线信号为基础的动作数据集，其核心目标是深入研究基于载波相位间섭（CSI）的动作识别技术，并作为一种手段来衡量和评价其他研究者的成果。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 基于WiFi的动作识别数据集
    优质
    本研究构建了一个基于WiFi信号的动作识别数据集，通过分析人体动作对无线信号的影响，为非接触式行为识别提供新的视角和数据支持。 我计划创建一个基于无线信号的动作数据集，主要用于研究CSI（信道状态信息）动作识别，并评估同行的研究成果。
     
  • MATLAB信号检测代码-WiAR：基于WiFi的活动识别数据集
    优质
    WiAR是专门用于基于WiFi信号进行人体活动识别的数据集。本项目提供使用MATLAB编写的信号处理与模式识别代码，助力研究者深入分析和理解无线电信号在不同人类活动中的表现特性。 信号检测的MATLAB代码适用于基于WiFi的活动识别数据集（WiAR）。该数据集包含了16种不同的活动，由十名志愿者参与完成，每位志愿者完成了30次实验。这里仅展示三个志愿者的数据：A、B 和 C。 从原始 WiAR 数据中可以提取RSSI和CSI信息。我们还为初学者提供了部分代码以供参考，旨在促进与其他研究人员的交流与合作，在该领域内激发新的想法和发展方向。 设备配置： - 设备型号：T400笔记本电脑 - 网卡型号：5300卡 - 采样频率：30Hz 数据格式说明： 接收端接收到的数据为原始形式，每个活动包含30个样本。文件名 csi_ai_j.dat 表示第i位志愿者的第j次试验。 十六种活动包括但不限于以下内容： 1. 水平臂波 2. 高臂波 3. 双手挥手 4. 上抛动作 5. 画勾 6. 折叠纸张 7. 前踢腿 8. 侧踢腿 9. 弯曲手臂 10. 拍掌 此外还有： - 走路时打电话 - 饮水动作 - 就坐姿态 - 下蹲姿势 请注意，以上数据为未经处理的原始资料。
     
  • 基于OpenCV的动作识别
    优质
    本项目采用OpenCV库进行视频处理与分析，结合机器学习算法实现对人类动作的有效识别，广泛应用于监控、游戏及医疗康复领域。 自己参加比赛的代码分享出来，使用的是OpenCV进行动作识别，在OpenCV3.0版本下可以在VS2012上完美运行。
     
  • 基于OpenCV的动作识别
    优质
    本项目利用OpenCV库进行视频处理和特征提取，结合机器学习算法实现对人体动作的自动识别与分类。 分享自己参加比赛的代码，使用的是OpenCV进行动作识别，在OpenCV3.0版本下于VS2012环境中完美运行。
     
  • BandMyo-Dataset: 用于基于sEMG的手势识别的数据集
    优质
    BandMyo-Dataset是一个专为基于表面肌电图(sEMG)的手势识别研究设计的数据集。它包含丰富且多样的手势信号，有助于提升穿戴设备的用户体验和精确度。 BandMyo数据集是一个用于基于sEMG的手势识别的数据集合，受试者在前臂佩戴了一个Myo臂章来收集数据。该数据集中包含15个静态手势（如图所示）。研究招募了六名参与者进行实验，其中包括四名男性和两名女性，年龄范围从21岁到26岁。 参与人员根据视频指导执行所有15种手势，并同时记录下sEMG信号。完成一次完整的手势序列后，受试者会休息片刻然后重复上述步骤。整个过程总共进行了八次循环，每次循环中参与者所处的环境或条件有所不同。 如果希望使用这个数据集，请参考文献：@article {zhang2021feature，title = {一种基于高密度sEMG的手势识别的特征自适应学习方法}，作者= {Zhang，Yingwei and Chen，Yiqiang and Yu，Hanchao和Yang。
     
  • 基于 YOLOv5 的果蔬识别数据集
    优质
    本数据集基于YOLOv5开发，专门用于果蔬图像的识别与分类，涵盖多种常见果蔬种类，旨在提升模型在实际应用场景中的准确性和效率。 果蔬识别数据集已经经过测试。如有需要其他的数据集，请联系作者。
     
  • 基于YOLOv的水果识别数据集
    优质
    本数据集旨在优化YOLOv算法在水果识别中的应用效果，包含多种常见水果的高清图像及标注信息，适用于训练高效、精准的目标检测模型。 我们准备了一个包含苹果、香蕉和橙子的YOLOv数据集用于水果识别任务。整个数据集中共有300张图片，大部分背景为白色，但也有少量含有干扰元素的图片。如果有需要的话，可以提供下载测试版本。
     
  • 3D ResNet：应用于动作识别的动作识别3D ResNet
    优质
    简介：3D ResNet是一种深度学习模型，专门用于视频中的动作识别任务。该网络架构基于2D残差网络并扩展至三维空间，有效捕捉视频的时间动态特征，大幅提升了动作分类的准确性。 用于动作识别的3D ResNet 是以下论文的PyTorch代码：该代码仅包括对ActivityNet和Kinetics数据集的培训和测试功能。如果您想使用我们的预训练模型进行视频分类，请参考相关文档。提供的此代码为PyTorch（python）版本，包含其他模型如预激活ResNet、Wide ResNet、ResNeXt 和 DenseNet等。如果使用了该代码或预先训练的模型，在引用时请遵循以下格式： @article{hara3dcnns, author={Kensho Hara and Hirokatsu Kataoka and Yutaka}
     
  • 自动情绪识别在DEAP数据集上的应用：基于EEG...
    优质
    本文探讨了在DEAP数据集上利用EEG信号进行自动情绪识别的研究，通过分析脑电波模式以实现对个体情绪状态的有效检测与分类。 DEAP数据集自动情感识别项目利用来自DEAP数据集的EEG信号，通过集成的一维CNN、LSTM以及2D和3D CNN，并结合带有LSTM的级联CNN来将情绪分类为四类。
     
  • 基于MATLAB的手写数字识别数据集
    优质
    本数据集利用MATLAB构建，包含大量手写数字图像及其标签，适用于训练和测试机器学习模型在手写数字识别任务中的性能。 手写数字识别的代码可以参考相关博文。该文章详细介绍了如何实现手写数字识别的功能，并提供了具体的代码示例供学习参考。