关于数据集

介绍：

• 该数据集包含 15 种不同类别的人类活动。
• 该数据集包含约 12k+ 张标记图像（包括验证图像）。
• 每个图像只有一个人类活动类别，并保存在标记类别的单独文件夹中

问题陈述：

• 人体动作识别 (HAR)旨在理解人类行为并为每个动作分配标签。它应用范围广泛，因此在计算机视觉领域备受关注。人体动作可以使用各种数据模态来表示，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，这些模态编码了不同来源的有用但又不同的信息，并根据应用场景的不同而具有不同的优势。
• 因此，许多现有研究都尝试使用各种模式来研究不同类型的 HAR 方法。
• 您的任务是使用 CNN 构建一个图像分类模型，对人类正在执行的活动进行分类。

关于文件：

• 训练– 包含所有用于训练模型的图像。在此文件夹中，您将找到 15 个文件夹，分别为“通话”、“拍手”、“骑自行车”、“跳舞”、“喝酒”、“吃饭”、“打架”、“拥抱”、“大笑”、“听音乐”、“跑步”、“坐着”、“睡觉”、“发短信”和“使用笔记本电脑”，其中包含各种人类活动的图像。
• 测试– 包含 5400 张人类活动图像。对于这些图像，你需要根据相应的类别名称进行预测 – “呼叫”、“拍手”、“骑自行车”、“跳舞”、“喝酒”、“吃饭”、“打架”、“拥抱”、“大笑”、“听音乐”、“跑步”、“坐着”、“睡觉”、“发短信”、“使用笔记本电脑”。
• Testing_set.csv – 这是平台上每张图片的预测结果的顺序。请确保下载的预测结果与图片文件名的顺序与此文件中给出的顺序一致。
• sample_submission：这是一个 csv 文件，包含数据冲刺的示例提交。