入门神经网络一

样本采集

在本科的时候对神经网络颇有兴趣，感觉很神秘，特别是当时的yolov5目标检测算法，让我感觉特别震撼，计算机在图像识别上已经超过了人眼。但是这么长时间以来一直停留在跑demo的阶段，没有静下心来学习，为此我计划搭建一个属于自己的神经网络作为入门标志，这是第一章，主要讲了说明采集样本的过程。

  • 建立一个怎样的网络

    我计划建立的网络结构，输入参数为陀螺仪三轴传感器的数据，输出内容为可能进行的姿态：休息、走路、跑步。虽然直接判断陀螺仪的传感器数据就能得到结果，但是我还是希望建立这样一个网络结构，因为在时间成本与经济成本上花费较小。

  • 输入数据的结构

    输入数据是一段时间内的传感器数据，我的计划是间隔一段时间采集三轴加速度传感器数据，每个样本包括50个三轴数据，因此，输入数据为3X50的矩形。

  • 怎样采集样本

    我手头有esp32开发板，板载一颗mpu6050陀螺仪，并且可以连接电池，我计划用它来采集样本，单个样本数据包括x、y、z轴的加速度传感器数据，我想将数据保存在内部flash中，这样不用携带额外的存储设备。假设一帧样本为3X50的数据，我计划每种姿态采集300帧，一个姿态就是300X3X50的数据，因为加速度计的原始数据太低，我在采集时将其扩大1000倍运算。编程使用板载的两个按键分别作为采集信息和打印信息按钮。esp32正常复位后，按键一表示采集按钮，按下后系统开始采集，将数据保存在内部flash中，一个姿态的数据采集完成后，再次按下按键可以采集下一个姿态，如此循环采集三种姿态的数据，将其保存在内部flash中，分别命名为running.txt，walking.txt，resting.txt，再按下按键二，分别将样本数据打印到串口助手，使用“e”作为间隔符号.代码位于tools/arduino_getSample/GetAllData

  • 整理样本

    将串口助手打印出来的样本复制粘贴到txt中，分别重新命名放在sample文件夹下，这样的数据用程序读取起来太费劲，因此我专门写了一个脚本将txt中的样本数据储存为np文件，示例如下，当然我也会全部开源在github，这个工具位于tools文件夹下。分别转换三个txt文件，生成三个npy文件，这样我们在往后训练时读取数据会很方便。

    import numpy as np

number_of_sample = 50

data_array = []

# 创建一个全为零的三维数组，其中二维部分大小为(3,number_of_sample)
data_array_out = np.empty(shape=[0, 3, number_of_sample])

data_array_out = data_array_out.astype(int)  # 强制转换为int

file = open('../sample/run.txt')  # 打开样本文件，其中e为分隔符

val_list = file.readlines()  # 读取所有行

for line in val_list:  # 遍历所有行
  line = line.strip('\n')  # 清除所有的\n
  if line == 'e':  # 发现分隔符时append数组
      print("分隔符")
      data_array_np = np.array(data_array).T  # 转置
      data_array_out = np.append(
          data_array_out, [data_array_np], axis=0)  # 将二维数组append到三位数组中
      data_array = []  # 数组清空
  else:
      num_int = list(map(int, line.split(' ')))  # 使用空格切片
      data_array.append(num_int)  # append到数组中
print(data_array_out)
print(data_array_out.shape)
np.save("../sample/run.npy", data_array_out)  # 保存数组

  • 已知存在缺陷

  • 样本均由我一人采集，不具有普遍性，可能其他人直接使用我的网络数据效果很差
  • 样本太少数量太少，可能会导致训练结果较差
文章目录