基于传感器的HAR任务PyTorch实战

已于 2023-05-15 16:16:54 修改
阅读量2.4k 收藏 23
点赞数 3
文章标签： 神经网络 深度学习 分类 人工智能 pytorch
于 2022-04-17 16:47:33 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_52161961/article/details/124231904
版权

Human Activity Recognition（HAR）译文：人类活动识别，人类行为识别，人体姿态识别

整理了7个公开数据集【

  • Daily-and-Sports-Activities-dataset 
  • PAMAP2 dataset 
  • UCI-HAR dataset 
  • USC-HAD dataset 
  • UniMiB-SHAR dataset 
  • WISDM dataset 
  • OPPORTUNITY dataset 

】从“原始数据预处理->模型训练”端到端HAR流程，欢迎交流学习。

源码地址：https://github.com/xushige/HAR-Dataset-Preprocess【直接复制链接进入github，不要点加速计划】

预处理方法包括：滑窗切割重采样、插值、标准化等

分类网络包括：【CNN, LSTM, ResNet, Res2Net, ResNext, SKNet, ResNest, Channel_Attention_Net, Spatial_Attention_Net, DCN, MobileNet, ShuffleNet, Dilated_Convolution, VIT, Swin】

Sivan Xu
关注
  • 3
    点赞
  • 踩
  • 23
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
self-attention-HAR:[ECAI 2020]使用自我注意从可穿戴传感器数据中识别人类活动
03-13
使用自我注意从可穿戴传感器数据中识别人类活动 Tensorflow 2.x实施“使用自注意力从可穿戴传感器数据中识别人类活动”， ，作者： 和M. Tanjid Hasan Tonmoy等。 [ ] [ ] **此存储库正在维护中。 最终版本的代码将很快发布** 安装 要在python3环境中安装依赖项，请运行： pip install -r requirements.txt 数据集下载 要下载数据集并将其放置在data目录下以进行模型训练和推理， dataset_download.py使用以下命令运行脚本dataset_download.py ： python dataset_download.py --dataset DATASET --unzip 此处，此项目的命令行参数DATASET中的数据集名称如下： DATASET = pamap2 / opp / uschad
Awesome_Human_Activity_Recognition：令人敬畏的人类活动识别（普适计算）论文，方法和资源的最新列表
02-11
真棒人类活动识别 1.数据集 机会[ ] PAMAP2 [ ] 2.带代码的文件 2020年 潜在的独立激励，用于基于传感器的通用跨人活动识别[论文] []（ AAAI 2021 ） 通过自适应时空转移学习进行跨数据集活动识别[] [代码]（ IMWUT / ubicomp ） MARS：具有多域深度学习模型的用于人类活动识别的虚拟和真实可穿戴混合传感器[] [code]（ arXiv ） 从可穿戴设备向人类活动的深度聚集[] [代码]（ ISWC / ubicomp ） [UDA4HAR]进行无监督的领域自适应以进行鲁棒的人类活动识别的系统研究[] [代码]（ IMWUT / ubicomp ） 用于活动识别的对抗性多视图网络[] [代码]（ IMWUT / ubicomp ） 使用可穿戴设备进行人类活动分析的弱监督多任务表示学习[] [代码]（ IMWUT / ubico
【Pytorch】2024 Pytorch基础入门教程（完整详细版）
热门推荐
炼丹笔记
09-11 12万+
Pytorch是torch的python版本，是由Facebook开源的神经网络框架，专门针对 GPU 加速的深度神经网络（DNN）编程。Torch 是一个经典的对多维矩阵数据进行操作的张量（tensor ）库，在机器学习和其他数学密集型应用有广泛应用。与Tensorflow的静态计算图不同，pytorch的计算图是动态的，可以根据计算需要实时改变计算图。但由于Torch语言采用 Lua，导致在国内一直很小众，并逐渐被支持 Python 的 Tensorflow 抢走用户。
k-means++算法分类UCI-HAR数据集
最新发布
weixin_46636042的博客
06-26 438
通过智能手机上的传感器收集的运动数据，记录了30名志愿者执行6种不同活动时的动作。每个样本记录了多个时间序列特征，旨在对人类活动进行分类。WALKING: 行走: 上楼: 下楼SITTING: 坐STANDING: 站LAYING: 躺k-means++是k-means聚类算法的一种改进版本，旨在通过优化初始簇心选择来提高聚类性能。k-means++ 算法的核心思想是：通过增加距离来选择初始簇心，从而避免 k-means 传统方法可能出现的局部最优问题。
对比学习系列论文CPCforHAR(一)：Contrastive Predictive Coding for Human Activity Recognition
qq_43210957的博客
12-13 946
0.Abusurt 0.1逐句翻译 Feature extraction is crucial for human activity recognition (HAR) using body-worn movement sensors. 特征提取是利用佩戴式运动传感器进行人体活动识别的关键。 Recently, learned representations have been used successfully, offering promising alternatives to manually en
HAR数据集
bucan804228552的博客
12-20 6095
1.UCI-HAR 数据集介绍 1.1基本背景 UCI 人类活动识别数据集是以智能手机采集的传感器数据为基础的活动识别，创建于2012年，实验团队来自意大利热那亚大学。 这些数据是从30名年龄在19岁到48岁之间的志愿者身上收集的，这些志愿者将智能手机绑在腰间，进行6项标准活动中的一项，通过开发的手机软件记录运动数据。记录的运动数据是来自智能手机（特别是三星Galaxy S II）的x、y和z加速度计数据（线性加速度）和陀螺仪数据（角速度），采样频率为 50Hz（每秒50个数据点）。每名志愿者进行两次活动序
Human Activity Recognition Using FederatedLearning
weixin_62646577的博客
01-16 212
虽然在这项工作中进行的相对小规模的实验显示了联邦学习对HAR任务的适用性的良好结果，但我们未来的工作包括使用现实工作负载运行更大规模的实验，我们预计，这将进一步证实联邦学习对HAR任务的可行性。例如，本研究的下一步是在具有许多移动用户的移动应用程序中实现HAR的联邦学习算法，例如可以预测用户当前活动的健身应用程序。通过在应用程序上训练和集成联邦模型，可以跟踪更广泛的指标，以评估联邦学习作为一种训练方法。该应用程序将允许基准测试指标，如设备上的电池使用情况进行训练，使用用户交互测量分类器的性能，通信问题和离散
harviewer har解析工具
08-09
由于HarViewer是一个基于Web的应用，因此无需安装，你只需在本地浏览器中打开这个HTML文件。 3. **加载HAR文件** 打开"index.html"后，浏览器会显示HarViewer的界面。为了分析HAR数据，你需要将要解析的HAR文件...
matlab开发-传感器Harrecognitionapp
08-22
通过这个应用程序，学习者不仅可以了解传感器数据处理的基本流程，还能实际操作并理解基于物理和事件的建模方法在HAR中的应用，对于提升MATLAB编程技能和理解传感器数据分析有着显著的帮助。同时，这也是一个很好的...
compare:比较HAR文件
04-30
比较HAR文件通过比较您的文件，可以更轻松地查找回归。 对其进行测试或观看视频： :第一：大声喊出来！ 没有以下人员的支持或启发，我们无法建立比较： 谢谢 :person_bowing: 用于创建 （SVG HAR瀑布查看器）。 谢谢...
har.rar_har_视力
09-24
在IT行业中，"har.rar_har_视力"这个标题可能是指一个特定的软件或应用程序，用于管理和分析用户的左右眼视力数据。"har"在这里可能是项目、文件格式或者特定功能的缩写，但具体含义需要根据上下文来确定。描述中...
seed数据集相关代码整理
07-01
上交的seed数据集，研究较少，下面是收集的一些工程文件，可以学习一下。前面是算法，后面是准确率。 1.4D-CNN，94% 2、新算法，93% 3.rgnn，67% 4.CNN+SVM，73% 5.DANN（数据，代码） 6.EEG_Classification_-master 7.rgnn，67.7%8.CNN-SVM，73%
MIT和USC行人数据集
05-11
包含MIT行人数据集和USC行人数据集 MIT数据集是较早公开的行人数据库。共924张行人图片（ppm格式，宽高为64x128），肩到脚的距离约80象素。该数据库只含正面和背面两个视角，无负样本，未区分训练集和测试集。Dalal等采用“HOG+SVM”，在该数据库上的检测准确率接近100%。 USC行人数据集包含三组数据集（USC-A、USC-B和USC-C），以XML格式提供标注信息。USC-A[Wu, 2005]的图片来自于网络，共205张图片，313个站立的行人，行人间不存在相互遮挡，拍摄角度为正面或者背面；USC-B的图片主要来自于CAVIAR视频库，包括各种视角的行人，行人之间有的相互遮挡，共54张图片，271个行人；USC-C有100张图片来自网络的图片，232个行人（多角度），行人之间无相互遮挡。
SVM生成数据集
06-14
与我的博客“二分类支持向量机模型SVM知识点详解”对应数据集生成程序
Data_Science_Final_Project
03-12
Data_Science_Final_Project 项目中使用的数据集： 分类-PAMAP2 PAMAP2体育活动监测数据集包含24种不同体育活动（例如步行，骑自行车，踢足球等）的数据，这些数据是由一些穿着3个惯性测量单位和心率监测器的受试者进行的。 该数据集可用于活动识别和强度估计，同时开发和应用数据处理，分割，特征提取和分类算法 数据集： : 回归-家得宝产品搜索相关性 该数据集包含Home Depot网站上的几种产品和真实的客户搜索词。 在此作业中，我们需要针对所提供的搜索字词和产品组合（首先是字符级别，然后是单词/字符组合级别）来预测相关性得分。 为了创建基本事实标签，Home Depot已将搜索/产品对众包给了多个人工评估者。 数据集： :
行人检测数据集 USC数据集
12-07
USCPedestrianSetA\USCPedestrianSetB\USCPedestrianSetC 数据集 含有XML标注数据 可用于行人检测的数据集 供大家下载 在外网下载速度慢 所以放到CSDN上
基于液晶电控可调夏克哈特曼波前传感器的研究
02-05
提出使用128×128元液晶微透镜阵列取代传统固定焦距的微透镜阵列，实现了一种可电控自适应调节的夏克哈特曼波前传感器。该传感器克服了传统波前传感器无法兼顾测量范围与测量精度的缺点，可工作在大测量范围/短焦距...
滑动窗/数据分帧处理
qq_23100417的博客
10-18 1359
对于非平稳的 EEG/sEMG 信号，在一个短时的活动段内，信号可以看成近似平稳的， 即“准平稳” (quasistationary)过程[1]。因此，在特征提取前对每个动作的每个 活动段进行了分帧处理，在短时内将肌电信号近似处理为线性、平稳信号，对一帧 肌电信号进行处理就相当于对特征固定的持续信号进行处理。
脑电数据预处理
murongyanmx的博客
04-10 1097
脑电数据预处理，EEGLAB
基于har文件 重放请求
09-08
基于har文件重放请求是指利用Har（HTTP Archive）文件中记录的网络请求信息，在不同的环境下重新发送网络请求，以便测试、调试或模拟特定的网络环境。 首先，Har文件是一种用于保存浏览器的网络请求和响应信息的文件格式，可以通过各种网络工具进行生成，比如浏览器的开发者工具、网络抓包工具等。Har文件一般包含了请求的URL、请求方法、请求头、请求体、响应状态码、响应头和响应体等信息。 基于Har文件重放请求的过程通常分为以下几个步骤： 1. 读取Har文件：将Har文件读取到内存中，可以使用各种编程语言或相关工具库进行解析和处理。 2. 解析请求信息：从Har文件中提取出需要重放的请求信息，包括URL、请求方法、请求头、请求体等。 3. 重新发送请求：使用网络请求库或工具，根据解析得到的请求信息重建请求，并发送到目标服务器。 4. 处理响应信息：获取服务器返回的响应，包括响应状态码、响应头、响应体等，可以对响应进行验证、解析或存储。 5. 重复上述步骤：根据需要，可以重复执行步骤3和4，实现多次请求的重放。 基于Har文件重放请求的优势在于可以精确重放具体的网络请求，可以用于回放和复现特定的网络问题，或者进行性能测试和压力测试等。同时，通过修改解析得到的请求信息，还可以对请求进行定制化，以满足测试或调试的需求。 需要注意的是，基于Har文件重放请求可能会导致网络请求的重放过程中遗漏某些动态生成的数据，比如临时产生的token或动态的会话信息等，因此在实际应用中需要综合考虑并做相应的处理。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值