有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
WiGesture 和 WiFall|Wi-Fi感知数据集|动作识别数据集
收藏arXiv2024-12-06 更新2024-12-10 收录
下载链接：
http://arxiv.org/abs/2412.04783v1
下载链接
链接失效反馈资源简介：
WiGesture和WiFall数据集是由深圳大数据研究院收集的，用于跨域Wi-Fi感知任务。WiGesture数据集包含8名个体执行6种不同手势动作的CSI数据，而WiFall数据集则包含10名个体执行5种不同动作的CSI数据。这些数据集用于手势识别、人员识别、跌倒检测和动作识别等任务。数据集的创建过程涉及从多个个体中收集CSI数据，并通过分析这些数据来识别和分类不同的动作。这些数据集的应用领域主要集中在Wi-Fi感知技术的研究和开发，旨在解决跨域环境下的模型泛化问题。
提供机构：
深圳大数据研究院
创建时间：
2024-12-06
AI搜集汇总
数据集介绍
构建方式
WiGesture和WiFall数据集通过分析信道状态信息（CSI）构建，用于手势识别和跌倒检测任务。数据集由ESP32-S3设备收集，采样率为100Hz，包含1个天线和52个子载波。WiGesture数据集包含8名个体执行6种不同手势动作的CSI数据，而WiFall数据集则包含10名个体执行5种不同动作的CSI数据。数据集的构建通过分析CSI信号的变化模式，捕捉个体动作的细微特征，从而实现跨域的Wi-Fi感知任务。
使用方法
WiGesture和WiFall数据集可用于多种Wi-Fi感知任务，如手势识别、跌倒检测和动作识别。使用时，研究人员可以通过分析CSI信号的变化模式，训练分类模型，实现对不同动作的识别。数据集支持少样本学习（Few-Shot Learning）和跨域适应（Domain Adaptation），能够在有限标注数据的情况下，快速适应新环境。通过结合KNN-MMD等方法，研究人员可以进一步提升模型的稳定性和准确性。
背景与挑战
背景概述
WiGesture和WiFall数据集是由深圳大数据研究院和中山大学计算机科学与工程学院的研究团队开发的，旨在推动Wi-Fi感知技术在集成感知与通信（ISAC）领域的应用。这两个数据集通过分析信道状态信息（CSI）来识别手势和跌倒等动作，主要研究人员包括Zijian Zhao、Zhijie Cai等。WiGesture数据集包含8名个体执行6种不同手势的CSI数据，而WiFall数据集则包含10名个体执行5种不同动作的CSI数据。这些数据集的创建旨在解决Wi-Fi感知中的跨域问题，即在不同环境下训练的模型在实际部署中性能下降的问题。
当前挑战
WiGesture和WiFall数据集面临的主要挑战包括：1) 环境变化对CSI数据的影响，导致模型在不同环境下的泛化能力下降；2) 数据集的构建过程中，收集大规模CSI数据集的难度较大，且不同数据集之间的格式差异增加了模型训练的复杂性；3) 跨域问题，即训练数据和测试数据分布不一致，导致模型性能显著下降。此外，Wi-Fi感知技术在隐私保护、遮挡和光照条件变化等方面具有优势，但也需要在实际应用中解决这些挑战，以确保模型的稳定性和准确性。
常用场景
经典使用场景
WiGesture和WiFall数据集的经典使用场景主要集中在跨域Wi-Fi感知任务中，特别是在手势识别、跌倒检测和人员识别等领域。通过分析信道状态信息（CSI）的模式，这些数据集能够捕捉到人体动作的细微变化，从而实现高精度的动作分类和识别。
解决学术问题
WiGesture和WiFall数据集解决了跨域Wi-Fi感知中的关键问题，即环境变化导致的CSI模式不一致性。通过引入KNN-MMD模型，数据集能够有效应对不同环境下的数据分布差异，提升了模型的泛化能力和稳定性，为跨域Wi-Fi感知提供了新的解决方案。
实际应用
WiGesture和WiFall数据集在实际应用中具有广泛的前景，特别是在智能家居、办公自动化和公共安全等领域。例如，手势识别可以用于智能设备的控制，跌倒检测可以应用于老年人监护系统，而人员识别则可以用于安全监控和身份验证。
数据集最近研究
最新研究方向
近年来，WiGesture和WiFall数据集在跨域Wi-Fi感知领域引起了广泛关注。该领域的研究重点在于解决环境变化对信道状态信息（CSI）模式的影响，尤其是在不同环境下的模型泛化能力问题。最新的研究方向集中在少样本学习（Few-Shot Learning, FSL）和跨域适应（Domain Adaptation, DA）方法的结合上，以提高Wi-Fi感知模型在不同环境中的稳定性和准确性。KNN-MMD模型通过局部分布对齐策略，显著提升了跨域Wi-Fi感知任务的性能，尤其是在手势识别、跌倒检测和动作识别等任务中表现出色。此外，该研究还引入了基于支持集的早停策略，进一步增强了模型的实用性。这些进展为Wi-Fi感知技术在智能家居、办公场所和公共场所的广泛应用提供了坚实的基础。
相关研究论文
- 1KNN-MMD: Cross Domain Wi-Fi Sensing Based on Local Distribution Alignment深圳大数据研究院 · 2024年
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
LFW
人脸数据集;LFW数据集共有13233张人脸图像，每张图像均给出对应的人名，共有5749人，且绝大部分人仅有一张图片。每张图片的尺寸为250X250，绝大部分为彩色图像，但也存在少许黑白人脸图片。 URL: http://vis-www.cs.umass.edu/lfw/index.html#download
AI_Studio 收录
China Health and Nutrition Survey (CHNS)
China Health and Nutrition Survey（CHNS）是一项由美国北卡罗来纳大学人口中心与中国疾病预防控制中心营养与健康所合作开展的长期开放性队列研究项目，旨在评估国家和地方政府的健康、营养与家庭计划政策对人群健康和营养状况的影响，以及社会经济转型对居民健康行为和健康结果的作用。该调查覆盖中国15个省份和直辖市的约7200户家庭、超过30000名个体，采用多阶段随机抽样方法，收集了家庭、个体以及社区层面的详细数据，包括饮食、健康、经济和社会因素等信息。自2011年起，CHNS不断扩展，新增多个城市和省份，并持续完善纵向数据链接，为研究中国社会经济变化与健康营养的动态关系提供了重要的数据支持。
www.cpc.unc.edu 收录
光伏电站发电量预估数据
1、准确预测一个地区分布式光伏场站的整体输出功率，可以提高电网的稳定性，增加电网消纳光电能量的能力，在降低能源消耗成本的同时促进低碳能源发展，实现动态供需状态预测的方法，为绿色电力源网荷储的应用落地提供支持。 2、准确预估光伏电站发电量，可以自动发现一些有故障的设备或者低效电站，提升发电效能。1、逆变器及电站数据采集,将逆变器中计算累计发电量数据,告警数据同步到Maxcompute大数据平台 2、天气数据采集, 通过API获取ERA5气象数据包括光照辐射、云量、温度、湿度等 3、数据特征构建, 在大数据处理平台进行数据预处理，用累计发电量矫正小时平均发电功率，剔除异常数据、归一化。告警次数等指标计算 4、异常数据处理, 天气、设备数据根据经纬度信息进行融合, 并对融合后的数据进行二次预处理操作，剔除辐照度和发电异常的一些数据 5、算法模型训练,基于XGBoost算法模型对历史数据进行训练, 生成训练集并保存至OSS 6、算法模型预测,基于XGBoost算法模型接入OSS训练集对增量数据进行预测, 并评估预测准确率等效果数据，其中误差率=(发电量-预估发电量)/发电量，当误差率低于一定阈值时，该数据预测为准确。预测准确率=预测准确数量/预测数据总量。
浙江省数据知识产权登记平台 收录
Materials Project
材料项目是一组标有不同属性的化合物。数据集链接： MP 2018.6.1（69,239 个材料） MP 2019.4.1（133,420 个材料）
OpenDataLab 收录
Oxford 102 Flowers
牛津102花卉数据集是一个主要用于图像分类的花卉集合数据集，分为102个类别，共102种花卉，其中每个类别包含40到258幅图像。 该数据集由牛津大学工程科学系2008年在相关论文 “大量类别上的自动花分类” 中发布
OpenDataLab 收录