人体の動作の推定分類をdeeplearningなどで行うと考えた際の効果的な特徴量の設定について悩んでおります。どうしてもここから進めません。
<目指したいこと>
時間内に行われた動作のパターン分類
<現在行なっている手法>
測定:加速度,ジャイロセンサー値(quaternion利用)
測定手法:
30Hzなどで測定回数を決め、指定した単位時間内に行うことで特徴量を作成。
分類に使用している手法
SVM,randomforest
keras(tensorflow)
RNN(LSTM)
パターン分類などでrandomforestなどのimportance_グラフ化でデータをみると指定した時間内に行なったデータを特徴量としているため、特徴量として偏ったデータになっている印象。
<目指したいもの>
可能であれば、
データ測定時に30hz固定のみで測定して、測定時間を設定することなく動作ごとに測定して(=arrayの長さが異なる)、そのデータから分類のための特徴量(X)を作成したい。それを何らかの方法でデータ形式を揃えてmodel.fitで分類器を作成していきたい。
特徴量として設定するためには、できるだけ特徴量を揃えておくべきだと思うのですが、こういった加速度などのデータの際に圧縮などの手法などはがありますでしょうか。
画像などのdeeplearningにおいて画素数を揃えるような手法だとは思うのですが。
アドバイスをいただけますと幸いです。よろしくお願いいたします。
あなたの回答
tips
プレビュー