利用CNN处理基于人体行为识别 TensorFlow实战(一)(制作数据集)

最新推荐文章于 2025-06-27 03:19:32 发布

White__Hacker

最新推荐文章于 2025-06-27 03:19:32 发布

阅读量1.3w

点赞数 11

CC 4.0 BY-SA版权

分类专栏： deeplearning

本文链接：https://blog.youkuaiyun.com/White__Hacker/article/details/84979246

本文介绍了使用WISDM数据集进行人体行为识别的CNN模型训练，强调数据处理的重要性，包括数据清洗、选择、转换。通过Python和Shell脚本结合处理数据，将XYZ轴数据视作RGB通道，构建输入矩阵，并调整标签文件以适应模型。最后，数据预处理完成后，使用TensorFlow进行one-hot编码，为构建CNN模型做准备。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

心路历程

首先,小编这里花费了两周多的时间,从数据集到网络的搭建,都是小编亲手完成的,在这里想把整个过程分享给大家,希望大家可以从中学到东西,那么话不多说,开始介绍我的心酸之旅.

制作数据集

首先我是使用了 WISDM (Wireless Sensor Data Mining) Lab 实验室公开的 Actitracker 的数据集,在此数据集上进行数据清洗,制作出小编自己的数据集.对于这个数据集,大家可以自己去下载,接下来,小编将告诉大家,数据处理的重要性,以及如何对数据进行处理

数据处理的重要性

在现有的公开数据集中,许多数据集中的数据都是有错误的,比如说在数据集中会出现没有采集到的数据,以及有些数据是残缺的,是错误的,在WISDM中,数据存在以下几个缺陷:1,数据分布不均匀,2,出现极少数数据是错误的情况,这些都会使我们在使用数据集训练网络的时候出现各种各样的错误,所以必要的数据清洗还是十分重要的,当然,有些同学的机器也带不动如此大量的数据(WISDM总共有1080000多条数据),那么对于数据的处理就十分的有必要了.