Raihan004/All_10_Action

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
dataset_info:
features:
- name: image
dtype: image
- name: label
dtype:
class_label:
names:
'0': কথা_বলা
'1': কম্পিউটার_ব্যবহার_করা
'2': খাওয়া
'3': খেলা_করা
'4': ঘুমানো
'5': পড়া
'6': পান_করা
'7': রান্না_করা
'8': লেখা
'9': হাঁটা
splits:
- name: train
num_bytes: 450039362.261335
num_examples: 3972
- name: test
num_bytes: 64023200.75866496
num_examples: 702
download_size: 494658461
dataset_size: 514062563.02
---
# Dataset Card for "All_10_Action"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

---
配置项：
- 配置名称：default
数据文件：
- 数据集划分（split）：训练集（train），路径：data/train-*
- 数据集划分（split）：测试集（test），路径：data/test-*
数据集信息：
数据特征：
- 字段名：图像（image），数据类型：图像
- 字段名：标签（label），数据类型：
类别标签（class_label）：
类别名称：
'0': কথা_বলা
'1': কম্পিউটার_ব্যবহার_করা
'2': খাওয়া
'3': খেলা_করা
'4': ঘুমানো
'5': পড়া
'6': পান_করা
'7': রান্না_করা
'8': লেখা
'9': হাঁটা
数据集划分详情：
- 名称：训练集（train），字节数：450039362.261335，样本数量：3972
- 名称：测试集（test），字节数：64023200.75866496，样本数量：702
下载总大小：494658461
数据集总大小：514062563.02
---
# "All_10_Action" 数据集卡片

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集配置

• 默认配置：
  • 训练数据：路径为 data/train-*
  • 测试数据：路径为 data/test-*

数据集信息

• 特征：
  • 图像：数据类型为 image
  • 标签：数据类型为 class_label，包含以下类别：
    • 0: কথা_বলা
    • 1: কম্পিউটার_ব্যবহার_করা
    • 2: খাওয়া
    • 3: খেলা_করা
    • 4: ঘুমানো
    • 5: পড়া
    • 6: পান_করা
    • 7: রান্না_করা
    • 8: লেখা
    • 9: হাঁটা

数据分割

• 训练集：
  • 字节数：450039362.261335
  • 样本数：3972
• 测试集：
  • 字节数：64023200.75866496
  • 样本数：702

数据集大小

• 下载大小：494658461
• 数据集大小：514062563.02

搜集汇总

数据集介绍

构建方式

在计算机视觉领域，行为识别数据集对于模型训练至关重要。Raihan004/All_10_Action数据集通过系统化的数据采集流程构建而成，其训练集包含3972个样本，测试集包含702个样本，总计涵盖十类日常行为。数据以图像形式存储，每张图像均经过人工标注，对应特定的行为类别标签，确保了数据内容的准确性与一致性。整个数据集的构建遵循了标准化的分割原则，为模型训练与评估提供了可靠的基础。

特点

该数据集聚焦于人类日常行为的视觉识别，其核心特征体现在类别设计的全面性与实用性上。十类行为涵盖了从“说话”、“使用电脑”到“烹饪”、“行走”等多样化的生活场景，每类标签均使用孟加拉语命名，反映了特定的文化语境。数据集在结构上清晰划分为训练与测试两部分，图像数据与类别标签一一对应，格式规范，便于直接应用于图像分类任务的模型开发与性能验证。

使用方法

对于研究人员而言，该数据集可直接用于监督学习框架下的图像分类模型训练。使用者可通过HuggingFace平台加载数据集，依据指定的数据文件路径获取训练集和测试集。数据特征包含图像和对应的类别标签，模型可据此学习从视觉输入到行为类别的映射关系。在完成模型训练后，可利用独立的测试集评估模型的泛化能力，为人类行为分析研究提供实证基础。

背景与挑战

背景概述

在计算机视觉领域，人类行为识别作为一项基础且关键的任务，旨在通过算法自动解析和理解视频或图像序列中的人类活动。Raihan004/All_10_Action数据集聚焦于孟加拉语环境下的日常行为分类，涵盖了诸如说话、使用电脑、进食、玩耍、睡眠、阅读、饮水、烹饪、写作和行走等十类常见动作。该数据集由研究人员Raihan004创建，其核心研究问题在于为孟加拉语文化背景下的行为识别提供标注资源，以促进跨语言和特定文化场景的模型开发，对推动行为分析技术的包容性和实用性具有积极意义。

当前挑战

该数据集面临的挑战主要体现在两个方面：在领域问题层面，行为识别本身受光照变化、视角多样性、动作相似性以及背景干扰等因素影响，准确区分细微动作如“说话”与“写作”或“进食”与“饮水”具有较高难度；在构建过程中，数据收集需确保文化代表性，例如孟加拉语环境下的日常活动可能具有地域独特性，同时标注工作需克服主观偏差，保证类别标签的准确性和一致性，这些因素共同增加了数据集的质量控制复杂度。

常用场景

经典使用场景

在计算机视觉领域，人类行为识别是理解视频内容的核心任务之一。Raihan004/All_10_Action数据集通过涵盖十种日常行为，如说话、使用电脑、进食、玩耍、睡眠、阅读、饮水、烹饪、写作和行走，为模型训练提供了丰富的视觉样本。该数据集常被用于监督学习框架下，训练卷积神经网络或时序模型，以从静态图像或视频帧序列中精准分类人类动作，是行为分析研究的基准资源。

衍生相关工作

基于此数据集，研究者们衍生出多项经典工作，包括多模态行为识别框架的构建、轻量级模型的设计以适配边缘设备，以及利用迁移学习提升模型在稀缺数据场景下的性能。这些工作不仅扩展了数据集的效用，还催生了新的算法比较基准，共同推动了行为识别技术向高效、鲁棒的方向演进。

数据集最近研究

最新研究方向

在孟加拉语视觉行为识别领域，Raihan004/All_10_Action数据集为跨文化动作理解提供了关键资源。该数据集涵盖十类日常行为，如说话、行走、烹饪等，其多模态特性推动了轻量化模型在边缘设备上的部署研究。前沿探索聚焦于结合视觉Transformer与时间序列分析，以提升行为分类的时序连贯性，同时借助迁移学习缓解小样本场景下的数据稀缺问题。相关热点涉及低资源语言社区的AI包容性发展，该数据集的构建不仅促进了孟加拉语文化在计算机视觉中的表征，也为全球行为识别系统的多样性与公平性评估奠定了实证基础。