شناسایی فعالیت‌های انسانی با استفاده از LSTM و Deep Learning

فهرست مطالب
  • مروری بر پروژه
  • مجموعه داده‌ها
  • پیش‌پردازش
  • اجرای مدل
  • نتایج
  • نصب و راه‌اندازی
  • استفاده
  • مشارکت
  • مجوز
مروری بر پروژه

این پروژه با هدف شبیه‌سازی مدل‌های یادگیری عمیق با استفاده از شبکه‌های LSTM برای شناسایی فعالیت‌های انسانی مختلف (مانند پیاده‌روی، نشستن، ایستادن) بر اساس داده‌های جمع‌آوری‌شده از شتاب‌سنج‌ها و ژیروسکوپ‌های گوشی‌های هوشمند طراحی شده است.

مجموعه داده‌ها

مجموعه داده UCI HAR شامل اطلاعات 30 شرکت‌کننده است که شش فعالیت مختلف (پیاده‌روی، بالا رفتن از پله‌ها، پایین آمدن از پله‌ها، نشستن، ایستادن و دراز کشیدن) را با گوشی هوشمند در ناحیه کمر انجام داده‌اند.

ویژگی‌های مجموعه داده‌ها
  • شتاب سه‌محوره از شتاب‌سنج
  • سرعت زاویه‌ای سه‌محوره از ژیروسکوپ
  • 561 ویژگی استخراج‌شده از پردازش سیگنال‌های حسگر
  • متغیر هدف که نوع فعالیت را نشان می‌دهد


portfolio-preview
portfolio-preview
portfolio-preview
portfolio-preview
portfolio-preview
© تمام حقوق برای پونیشا محفوظ است