Human Action 人类行为识别 (HAR) 数据集

#### 背景描述
人类行为识别 (HAR) 旨在了解人类行为并为每个行为分配标签。它具有广泛的应用，因此在计算机视觉领域越来越受到关注。人类行为可以使用各种数据模式来表示，例如 RGB、骨架、深度、红外、点云、事件流、音频、加速度、雷达和 WiFi 信号，它们对不同来源的有用但不同的信息进行编码，并具有各种优势，具体取决于关于应用场景。
因此，许多现有的工作都试图使用各种模式来研究不同类型的 HAR 方法。
#### 数据说明
**Train** - 包含用于训练模型的所有图像。在此文件夹中，您将找到 15 个文件夹，即 - “呼叫”、“拍手”、“骑自行车”、“跳舞”、“喝酒”、“吃”、“打架”、“拥抱”、“笑” 、“听音乐”、 “跑步”、“坐着”、“睡觉”、“发短信”、“使用笔记本电脑”，其中包含各自人类活动的图像。

**Test** - 包含 5400 张人类活动图像。对于这些图像，您需要将预测作为各自的类名 - “呼叫”、“拍手”、“骑自行车”、“跳舞”、“喝酒”、“吃”、“打架”、“拥抱”、“笑” 、“听音乐”、“跑步”、“坐着”、“睡觉”、“发短信”、“使用笔记本电脑”。

**Testing_set.csv** - 这是要在平台上提交的每个图像的预测顺序。确保您下载的预测与其图像文件名的顺序与此文件中给出的顺序相同。

**sample_submission**：这是一个 csv 文件，其中包含数据冲刺的样本提交。

#### 数据来源
公开数据集
#### 问题描述
使用 CNN 构建一个图像分类模型，该模型将人类正在执行的活动分类。