UniMiB SHAR：スマートフォンからの加速度データを使用した人間の活動認識のためのデータセット

スマートフォン、スマートウォッチ、フィットネストacker、そしてアドホックなウェアラブルデバイスは、人間の活動をモニタリングするためにますます使用されています。ホストされたセンサーによって取得されたデータは、通常、機械学習ベースのアルゴリズムによって処理され、人間の活動を分類します。これらのアルゴリズムの成功は、主にトレーニング（ラベル付けされた）データの入手可能性に依存しており、公開されれば、研究者が技術間で客観的な比較を行うことができます。今では、公開されているデータセットは少なく、しばしばあまりにも類似した特性を持つ被験者からのサンプルを含み、特定の基準に基づいてサンプルのサブセットを選択することができない特定の情報がほとんど欠けています。本記事では、活動認識のために設計された新しいスマートフォン加速度計データセットを紹介します。このデータセットには、18歳から60歳までの30人の被験者が実施した11,771の活動が含まれています。活動は、2つの粗い大カテゴリにグループ化された17の細かいクラスに分類されています：9種類の日常生活活動（ADL）および8種類の転倒。データセットには、実施されたADLの種類、年齢、性別などの異なる基準に基づいてサンプルを選択するために役立つ情報がすべて含まれるように保存されています。最後に、このデータセットは2つの異なる分類器および異なる構成でベンチマークされています。最良の結果は、ADLのみを分類するk-NNを使用し、パーソナライズを考慮し、51サンプルと151サンプルのウィンドウの両方で達成されました。