電子發(fā)燒友網(wǎng)>電子資料下載>電子資料>日常活動識別的超微型解決方案

日常活動識別的超微型解決方案

2512960 2023-07-13 | zip | 0.00 MB | 次下載 | 免費

資料介紹

描述

介紹

盡管當今可穿戴設(shè)備種類繁多，但大多數(shù)人工智能功能歸結(jié)為僅定義非常簡單的動作。他們確定一個人是在跑步還是在睡覺，他們計算步數(shù)，并確定一個人是否跌倒。

在我看來，我們已經(jīng)準備好從我們的設(shè)備進行更復(fù)雜的分析。如果他們能夠識別更具體、相似和復(fù)雜的活動會怎樣？它將開啟前所未有的可能性，創(chuàng)造出許多有趣的新應(yīng)用程序和設(shè)備。

然而，識別更復(fù)雜的活動需要龐大而復(fù)雜的神經(jīng)網(wǎng)絡(luò)，這需要大量的計算。這顯然會很快耗盡嵌入該神經(jīng)網(wǎng)絡(luò)的物聯(lián)網(wǎng)設(shè)備的電池。大多數(shù)可穿戴設(shè)備應(yīng)在常亮模式下運行，這對此類解決方案的能源效率提出了嚴格要求。

我們?nèi)绾谓鉀Q這個挑戰(zhàn)？在我的項目中，我想展示一個示例，說明如何顯著增加智能功能的復(fù)雜性，并確定可穿戴設(shè)備可以使用非常小且準確的神經(jīng)網(wǎng)絡(luò)識別什么。

在我的項目中，您將找到有關(guān)如何使用 Nicla Sense ME 實施多項日常活動識別的詳細指南。

如果你有 Nicla Sense ME，你可以在你的實驗/項目/課程中嘗試我的預(yù)訓(xùn)練模型。

我們的測試結(jié)果表明，該模型完美地識別了 30 名未使用其數(shù)據(jù)訓(xùn)練模型的參與者的動作。

按照本教程，您還可以輕松地進行自己的實驗并根據(jù)您的數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)以識別相同或不同的動作。

我們相信，使用小型神經(jīng)網(wǎng)絡(luò)識別極其復(fù)雜和相似的動作的能力為永遠在線的設(shè)備開辟了一個新時代。

下面，您將找到有關(guān)如何重現(xiàn)此實驗的完整教程，包括數(shù)據(jù)收集、模型訓(xùn)練、模型嵌入和推理。此外，我們還創(chuàng)建了一個帶有預(yù)訓(xùn)練模型的公共存儲庫，該模型已證明對新用戶具有良好的泛化能力。它是一個預(yù)編譯的模型存檔，您只需點擊幾下鼠標即可下載并嵌入到您的 Nicla Sense ME 中，然后開始測試。

https://github.com/NeutonTinyML/hand-activity-recognition

使用 Nicla Sense ME 收集數(shù)據(jù)

對于這個案例，我選擇了 5 種類型的活動（對于您的實驗，您可以選擇其他活動）：

洗手
刷牙
鼓掌
梳理頭發(fā)
隨機活動（負類）

對于每種活動類型，我使用 Nicla Sense ME 連續(xù) 10 分鐘不間斷地收集傳感器數(shù)據(jù)。數(shù)據(jù)是從 7 個不同地點的 7 個不同的人那里收集的。這是一個非常具有挑戰(zhàn)性但又很有趣的過程，因為為了正確收集數(shù)據(jù)，中斷是不可取的。對于那些計劃重新進行我的實驗的人，這里有一些建議：在為另一項活動收集數(shù)據(jù)之前，先休息一下！但是，如果 10 分鐘的持續(xù)刷毛太多了，您可以進行兩個 5 分鐘的數(shù)據(jù)收集流，然后將兩個文件連接起來。

對于負類，我們收集了 60 分鐘的數(shù)據(jù)。這次不需要做任何特別的事情；繼續(xù)你的日常活動。在鍵盤上打字，操作鼠標，接聽電話，喝茶，或做任何你想做的事。只需確保在收集負面類別數(shù)據(jù)期間，您的手不會完全閑著不動。負面類別是除上述 4 類之外的所有其他類別的子集。