人类活动识别(HAR)
文章平均质量分 95
Human Activity Recognition
datamonday
全性保真,不以物累形。
展开
-
时间序列:滑动窗口处理时间序列分类数据
本文介绍了使用Python yield 实现“滑动窗口”处理序列化数据的方法。原创 2020-04-13 22:28:49 · 42288 阅读 · 9 评论 -
时间序列:使用CNN-LSTM/ConvLSTM进行人类活动识别
本文介绍了三种用于时间序列分类任务的网络架构,包括:LSTM、CNN-LSTM、ConvLSTM,并使用这些网络架构应用于业内标准的数据集UCI-HAR-dataset进行人类活动识别。原创 2020-04-13 06:33:47 · 17815 阅读 · 27 评论 -
时间序列分类03:如何开发CNNs模型实现人类活动识别(调参)
本文介绍如何使用CNN模型实现人类活动识别分类任务。主要内容为:如何加载和处理UCI-HAR数据集,以及如何开发1D CNN模型,达到良好的分类效果。如何进一步调整模型的性能,包括数据转换,过滤器和内核大小。如何开发复杂的 Multi-head 1D CNN模型。原创 2020-04-12 19:55:15 · 6856 阅读 · 14 评论 -
时间序列分类02:数据可视化与问题分析建模流程详解(UCI-HAR)
上篇文章介绍了人类活动识别常用的方法、最新进展和面临的挑战。UCI人类活动识别数据集是人类活动识别领域的benchmark数据集(还有一个常用的特征维数和活动种类更多的OPPORTUNITY数据集,会在之后的文章中介绍),本文详细介绍了UCI-HAR数据集,并通过该数据集来探索加载数据集方法、数据可视化流程、问题建模分析以及模型评估思路,为以后的建模实现分类任务打好基础。原创 2020-04-12 12:42:34 · 10863 阅读 · 6 评论 -
时间序列分类01:人类活动识别深度学习模型综述
本文介绍了人类活动识别相关领域的建模方法和理论研究。原创 2020-04-11 15:32:26 · 15817 阅读 · 10 评论