摘要
在“护士照护活动识别挑战赛”中，TDU-DSML团队开发了一种活动识别算法。该算法采用时空图卷积网络（ST-GCN）处理挑战赛数据集中包含的三维运动捕捉数据。将时间序列数据划分为20秒的片段，相邻片段之间具有10秒的重叠。随后构建了基于树状结构图的识别模型。预测结果以一分钟为单位进行输出，基于各片段输出结果的多数表决机制确定最终结果。模型采用“留一被试”交叉验证方法进行评估，对全部六名受试者平均获得了57%的识别准确率。
在“护士照护活动识别挑战赛”中，TDU-DSML团队开发了一种活动识别算法。该算法采用时空图卷积网络（ST-GCN）处理挑战赛数据集中包含的三维运动捕捉数据。将时间序列数据划分为20秒的片段，相邻片段之间具有10秒的重叠。随后构建了基于树状结构图的识别模型。预测结果以一分钟为单位进行输出，基于各片段输出结果的多数表决机制确定最终结果。模型采用“留一被试”交叉验证方法进行评估，对全部六名受试者平均获得了57%的识别准确率。