Машинное обучение распознаванию жестов с помощью Myo Armband - PullRequest
Новая
       49

Машинное обучение распознаванию жестов с помощью Myo Armband

0 голосов
/ 22 мая 2018

Я пытаюсь разработать модель для распознавания новых жестов с помощью Myo Armband.(Это нарукавная повязка, которая имеет 8 электрических датчиков и может распознавать 5 жестов рук).Я хотел бы записать необработанные данные датчиков для нового жеста и передать их модели, чтобы она могла их распознать.

Я новичок в машинном / глубоком обучении и использую CNTK.Мне интересно, что было бы лучшим способом сделать это.

Я изо всех сил пытаюсь понять, как создать тренера.Входные данные выглядят примерно как , что Я думаю об использовании 20 наборов из этих 8 значений (они между -127 и 127).Итак, одна метка - это вывод из 20 наборов значений.

Я не знаю, как это сделать, я видел учебники, в которых изображения связаны с их меткой, но это не та идея.И даже после того, как обучение закончено, как я могу избежать того, чтобы модель распознала этот один жест, независимо от того, что я делаю, так как он был единственным, для которого он был обучен.

1 Ответ

0 голосов
/ 22 мая 2018

Простой способ начать работу - создать 161 столбец (8 столбцов для каждого из 20 временных шагов + назначенная метка).Вы бы переставили столбцы как 

emg1_t01, emg2_t01, emg3_t01, ...,  emg8_t20, gesture_id

. Это даст вам правильный 2D-формат для использования различных алгоритмов в sklearn , а также для нейронной сети с прямой связью в CNTK.Вы бы использовали первые 160 столбцов для прогнозирования 161-го.

Как только у вас будет такая работа, вы можете смоделировать свои данные, чтобы лучше представить их естественный порядок временных рядов.Вы бы отошли от 2D-формы и вместо этого создали бы 3D-массив для представления ваших данных.

  • Первая ось показывает количество выборок
  • Вторая ось показывает количество времениsteps (20)
  • На оси жажды показано количество датчиков (8)

С этой формой вы можете использовать одномерную сверточную модель (CNN) в CNTK, котораяОбходит временную ось для изучения локальных шаблонов от одного шага к следующему.

Возможно, вы также захотите взглянуть на RNN, которые часто используются для работы с данными временных рядов.Тем не менее, RNN иногда трудно обучать, и в недавней статье 1021 * говорится, что CNN должны быть естественной отправной точкой для работы с данными последовательности.

...