文件名称：GestureRecognition:使用TensorFlow进行手势识别
文件大小：1.52MB
文件格式：ZIP
更新时间：2024-05-31 07:45:29
time-series neural-network tensorflow classification gesture-recognition
使用TensorFLow进行手势识别 用于构建用于手势识别的ML工作流的存储库。 支持以下工作流程：培训，评估，推断和导出。 这些脚本遵循使用TF-slim实现的著名ML模型（ https://github.com/tensorflow/models ）的设计。 可以使用以下更深入的模型：MLP，LSTM，CNN和CNN2D。 注意：LSTM模型实施不正确。 应用 来自智能手机的3轴加速度计数据用于对四个可能的手势进行分类：拾取，稳定，下降和未知。 数据集 收集了500个手势签名。 时间窗口是2秒（或以20 Hz的采样率进行40个采样）。 每个手势的输入总大小（或功能数量）为120。 processed data: ./processed_data/ data in TF records format: ./dataset/ 先决条件 安装依赖项 首选方式是在conda / vir
【文件预览】：
GestureRecognition-master
----inference.py(3KB)
----export.py(4KB)
----train.py(6KB)
----convert_tfrecord.py(3KB)
----processor.py(3KB)
----configuration.py(2KB)
----utils.py(7KB)
----export_dir()
--------optimized_ges_recog_mlp.pb(24KB)
--------optimized_ges_recog_cnn2d.pb(336KB)
--------ges_recog_mlp.pbtxt(51KB)
--------frozen_ges_recog_cnn2d.pb(337KB)
--------frozen_ges_recog_mlp.pb(24KB)
--------ges_recog_cnn2d.pbtxt(89KB)
--------ges_recog_cnn.pbtxt(107KB)
----recognition_model.py(12KB)
----requirements.txt(51B)
----dataset()
--------ges_test.tfrecords(162KB)
--------ges_validation.tfrecords(38KB)
--------ges_train.tfrecords(340KB)
----plots()
--------conf_mat.pdf(14KB)
--------data_raw.pdf(23KB)
--------data_abs.jpg(213KB)
--------data_abs.pdf(23KB)
--------data_raw.jpg(220KB)
--------conf_mat.jpg(50KB)
----processed_data()
--------train(357KB)
--------test(153KB)
----README.md(2KB)
----all_jobs.screenrc(339B)
----loader.py(6KB)
----evaluate.py(3KB)
----.gitignore(4KB)
----common.py(780B)