마술 지팡이처럼 손을 흔들며 계산기를 소환 한 적이 있습니까? 우리는 당신이 조금 어리석은 것처럼 보일 것입니다. 그것은 당신이 [Andrei의] 놀라운 제스처 – 제어 계산기를 가지고 있지 않은 한, [Andrei] 장갑을 떼지 않고도 그의 연구 연구실에서 계산기를 사용하는 것이 가치가 있고 그 결과가 꽤 멋지다고 생각했습니다.
그의 하드웨어는 가속도계와 자이로 스코프를 사용하여 손작을 포착하기위한 PocketBeagle, OLED 및 MPU6050 관성 측정 단위로 구성됩니다. 하드웨어는 꽤 간단 하므로이 프로젝트의 호소는 제조업체 학습 구현에 있습니다.
[Andrei] 각 숫자, 0-9에 대한 손 제스처를 재현하여 알고리즘을 훈련시키는 몇 가지 예제 데이터 세트를 캡처하여 결과 가속도계와 자이로 스코프 출력을 기록하여 알고리즘을 훈련시킵니다. 그는 웨이블릿 변환으로 먼저 데이터를 처리했습니다. 변환의 의도는 2 배였습니다. 첫째, 변환은 가속도계와 자이로 스코프 신호의 모양을 보존하면서 자신의 데이터 세트의 샘플 수를 최소화하면서 제조업체 학습 분류의 중요한 기능을 보존 할 수있었습니다. 둘째, 그는 웨이브 렛 변환이 알고리즘에 공급 될 수있는 근사 및 심층 계수를 모두 나타냄을 고려한 분류의 기능 수를 증가시킬 수있었습니다.
그는 작은 데이터 세트를 가졌으므로 정상적으로 더 큰 데이터 세트에 더 적합한 테스트 트레인 분할 방법 대신 계층화 된 셔플 분할 기술을 사용했습니다. Stratified Shuffle Split은 각 제스처에 대해 동일한 수의 열차와 테스트 샘플을 보장했습니다. 그는 또한 PocketBeagle과 같은 휴대용 가공 장치에서 실행하기 위해 자신의 모델을 최적화하는 데 매우 의식했습니다. 그는 알고리즘의 매개 변수를 최적화하고 궁극적으로 Tensorflow 내에서 내장 된 “TFLITEConverter”기능을 사용하여 궁극적으로 자신의 모델을 TensorFlowite 모델로 변환했습니다.
마지막으로, 진정한 오픈 소스 패션에서 모든 코드는 GitHub에서 사용할 수 있으므로 자신에게 가기 위해 무료로 제공합니다. 계산기 Leviosa!