Машинное обучение для распознавания жестов с помощью Myo Armband

Я пытаюсь разработать модель для распознавания новых жестов с помощью Myo Armband. (Это нарукавная повязка с 8 электрическими датчиками, которая 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, как лучше всего это сделать.

Я изо всех сил пытаюсь понять, как создать тренера. Входные данные выглядят примерно так: что я думаю об использовании 20 наборов этих 8 значений (от -127 до 127). Таким образом, одна метка — это вывод 20 наборов значений.

Я действительно не знаю, как это сделать, я видел учебники, в которых изображения связаны с их меткой, но это не та же идея. И даже после завершения обучения, как я могу избежать того, чтобы модель распознала этот единственный жест, что бы я ни делал, поскольку это единственный, для которого она была обучена.


gesture deep-learning label cntk myo
person Fabien Alexandrine    schedule 22.05.2018    source источник

Ответы (1)


arrow_upward
0
arrow_downward

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

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

Это даст вам правильный 2D-формат для использования различных алгоритмов в sklearn, а также нейронную сеть с прямой связью. сеть в ЦНТК. Вы должны использовать первые 160 столбцов, чтобы предсказать 161-й.

После того, как вы закончите эту работу, вы можете смоделировать свои данные, чтобы лучше представить естественный порядок временных рядов, которые они содержат. Вы бы отошли от 2D-формы и вместо этого создали 3D-массив для представления ваших данных.

  • Первая ось показывает количество выборок
  • Вторая ось показывает количество временных шагов (20)
  • Ось жажды показывает количество датчиков (8)

С этой формой вы готовы использовать одномерную сверточную модель (CNN) в CNTK, которая пересекает ось времени для изучения локальных закономерностей от одного шага к другому.

Вы также можете изучить RNN, которые часто используются для работы с данными временных рядов. Однако иногда RNN трудно обучить, и в недавней статье говорится, что CNN должны быть естественной отправной точкой для работать с последовательностью данных.

person pietz    schedule 22.05.2018
comment
Спасибо за быстрый ответ! я попробую это - person Fabien Alexandrine; 23.05.2018
comment
Не забудьте проголосовать за ответ, если он показался вам полезным, и принять его, если он ответил на ваш вопрос. - person pietz; 23.05.2018
comment
У меня еще нет права голоса, но я принял его. Спасибо ! - person Fabien Alexandrine; 23.05.2018