LSTM-Human-Activity-Recognition
Exemple de reconnaissance d'activité humaine utilisant TensorFlow sur un ensemble de données de capteurs de smartphone et un RNN LSTM. Classification du type de mouvement parmi six catégories d'activité - Guillaume Chevalier
Classifiez les mouvements humains en catégories comme marcher ou s'asseoir en utilisant des données de capteurs de smartphone et des modèles LSTM.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentExemple de reconnaissance d'activité humaine utilisant TensorFlow sur un ensemble de données de capteurs de smartphone et un RNN LSTM. Classification du type de mouvement parmi six catégories d'activité - Guillaume Chevalier
LSTM-Human-Activity-Recognition compte 3.5k étoiles sur GitHub. Il a été forké 936 fois. LSTM-Human-Activity-Recognition est écrit principalement en Jupyter Notebook. Il est développé activement depuis 2016. LSTM-Human-Activity-Recognition est disponible sous licence MIT. Ses principaux thèmes sont : activity-recognition, deep-learning, human-activity-recognition, lstm.
Qu'est-ce que LSTM-Human-Activity-Recognition ?
Exemple de reconnaissance d'activité humaine utilisant TensorFlow sur un ensemble de données de capteurs de smartphone et un RNN LSTM. Classification du type de mouvement parmi six catégories d'activité - Guillaume Chevalier
LSTM-Human-Activity-Recognition est-il open source ?
LSTM-Human-Activity-Recognition est un projet open source. Il est distribué sous licence MIT.
LSTM-Human-Activity-Recognition est-il gratuit ?
Oui. LSTM-Human-Activity-Recognition est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est LSTM-Human-Activity-Recognition ?
LSTM-Human-Activity-Recognition est disponible sous licence MIT.
Dans quel langage LSTM-Human-Activity-Recognition est-il écrit ?
LSTM-Human-Activity-Recognition est écrit principalement en Jupyter Notebook.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/guillaume-chevalier-lstm-human-activity-recognition.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.