基于传感器的HAR任务PyTorch实战

基于传感器的HAR任务PyTorch实战

Human Activity Recognition（HAR）译文：人类活动识别，人类行为识别，人体姿态识别

整理了7个公开数据集【

• Daily-and-Sports-Activities-dataset 
• PAMAP2 dataset 
• UCI-HAR dataset 
• USC-HAD dataset 
• UniMiB-SHAR dataset 
• WISDM dataset 
• OPPORTUNITY dataset 

】从“原始数据预处理->模型训练”端到端HAR流程，欢迎交流学习。

源码地址：【直接复制链接进入github，不要点加速计划】

预处理方法包括：滑窗切割重采样、插值、标准化等

分类网络包括：【CNN, LSTM, ResNet, Res2Net, ResNext, SKNet, ResNest, Channel_Attention_Net, Spatial_Attention_Net, DCN, MobileNet, ShuffleNet, Dilated_Convolution, VIT, Swin】