Neurotron:使用自动深度标记从sEMG进行手势估计并通过深度LSTM进行预测 源码

该项目的目标是使用深度学习建立一个模型,该模型可以从表面肌电图设备的8个微电压数据通道中预测21个点的手部位置。 该数据将从小型外围设备跨蓝牙收集,用于生成手部位置的预测,然后呈现在显示器上。 通过从臂带外围设备收集微电压以用作特征数据来训练该模型。 使用Leap相机收集位置数据,并将其用作真实标签数据。 然后训练模型以使该位置和电动数据相关联,以允许仅根据电动数据来预测手的位置。 此问题已在许多行业的VR / AR应用中用于游戏和生产力,计算机神经接口,下一代假肢。 硬件 该项目使用的是Thalmic Labs Myo EMG臂带,用于微电压数据,使用Leap Motion控制器,用于标