我们提供中英双语指导
We provide Chinese/English guidance
我们这里展示的是眨眼和咬牙的分类,在眨眼,咬牙和休息的三分类任务上取得了90%的正确率,结果在这里。
我们还做了非常前沿的探索,比如舌头放置位置的分类。
如何使用这份代码? 你只需要复制一份yaml文件并编辑,然后在命令行中运行一下即可训练并评估
python train.py --config_path="your_config_path"
但是我们更推荐使用train_multiple_times.py 来避免小数据集下因为随机划分数据导致的过大的表现差异。
python train_multiple_times.py --config_path="your_config_path"
- data_path 可以使用一个或多个数据
- seed 可以用于控制效果复现
- train_split,val_split是设定数据集比例的,剩余的是test split的
- total_sec是数据集总共的时间长度,以此截断数据
- sample_intention 是每个数据循环中,将要使用的数据的次序,比如循环中有4个事件,1就是第二个事件
- class_names 是sample_intention里面使用的数据的分类
- segment_marks 是每个数据循环中所有事件各自的时长
Shenghao GAO: data collection and robot arm demo.
Yiqian YANG: data modeling and analysis.
加个微信吧,一起研究神经信号,之后还会有更精彩的项目分享出来,保持关注哦
进群改下马甲哦,学校专业姓名