Scientific Data· Marco E. Benalcázar·· 7 天前精选AI 评分65
EMG-EPN-612 数据集收录 612 名用户 186,660 条前臂肌电信号
A Dataset of Electromyographic Signals for Developing Hand Gesture Recognition Systems
AI 导读
公开数据集 EMG-EPN-612 收录 612 名用户前臂表面的 186,660 条 EMG 信号,由 Myo Armband 采集,覆盖 waveIn、waveOut、fist、open、pinch 五种手势。
- 背景
- 手势识别的肌电系统不只需要信号本身,还需要知道信号是怎么采的、采自谁,否则使用者无法判断这批数据适用于什么条件。EMG-EPN-612 的定位同时指向三种用途:开发、测试与基准评测(benchmarking),因此除了 EMG 信号之外,作者还一并交付采集协议和对参与者特征的描述。原文摘要没有交代此前同类数据集已经达到什么规模、存在什么缺口,所以这份数据在领域中的相对位置,只能由它自己给出的用户数、信号条数和手势类别来建立。
- 做法
- 数据采集在 612 名用户的前臂表面进行,用 Myo Armband 记录肌电信号,每人对应五种手势:waveIn、waveOut、fist、open、pinch。按摘要给出的总量,最终汇总为 186,660 条 EMG 信号;摘要未拆开说明单个用户或单个手势对应多少条信号。除原始信号外,作者还写明了采集协议(acquisition protocol),并描述了参与采集过程的用户具备哪些特征,使使用者能据此还原数据来源与采集条件。在数据之外,作者提供 Python 和 MATLAB® 两套代码,用前馈神经网络(feed-forward neural networks)示范如何拿这份数据集去开发和测试一个手势识别系统。最后,作者还提供一个在线平台,用于对手势识别系统的分类与识别准确率做独立、自动的评测,这一环是给基准对比用的。整体路线是「信号 + 协议 + 用户信息 + 示例代码 + 评测平台」打包交付,而不是只放出信号文件。
- 结论
- 已发布的数据集 EMG-EPN-612 包含 186,660 条肌电信号,来自 612 名用户的前臂表面记录,覆盖 waveIn、waveOut、fist、open、pinch 五种手势,采集设备为 Myo Armband。配套交付物有三类:一是采集协议与参与者特征描述;二是基于前馈神经网络的 Python 与 MATLAB® 示例代码,用于开发和测试手势识别系统;三是一个在线平台,可对系统的分类与识别准确率给出独立、自动的评估。需要说明的是,摘要只交代了数据集规模与配套内容,没有给出任何分类准确率、识别率或与其他方法的对比数值,因此这份数据本身的基准表现如何,在摘要层面无法回答,只能由使用者自行在平台上跑系统得到。
推荐理由
612 名用户的前臂 186,660 条肌电信号配在线评测平台,便于手势识别系统做同条件可复现比较。
来源:Scientific Data · nature.com