ssl-wearables

用70万人天数据,自监督预训练可穿戴模型,免标注直接上手

ssl-wearables 是一个面向可穿戴设备数据的自监督学习开源项目,基于英国生物银行(UK-Biobank)超过70万人天的加速度计数据构建。它解决了可穿戴设备数据标注成本高、标签稀缺的问题,通过自监督预训练方式从大量无标注数据中学习通用特征表示。项目核心能力包括数据预处理流程、自监督预训练模型(如对比学习)、以及下游任务微调与评估工具,支持活动识别、睡眠监测等场景。其亮点在于利用大规模真实世界数据,为可穿戴计算领域提供了一套可复现的基线方法,降低研究者入门门槛。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 166
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队OxWearables
所属国家
定价模式free
价格说明开源项目,无在线服务,需自行部署,完全免费。
访问状态
是否开源是
开源协议NOASSERTION
主要语言Jupyter Notebook
技术栈/模型accelerometer,deep-learning,foundation-models,human-activity-recognition,pytorch,self-supervised-learning,wearable
GitHub 星标★ 166
30天Star增速
HF 下载量
上线时间2022-05-24 00:00:00
最近更新2026-09-21 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数2

使用教程

核心亮点

  • 基于UK-Biobank超大规模真实穿戴数据,数据量级罕见,预训练效果更具说服力
  • 提供完整的自监督学习流程(预训练+微调),代码结构清晰,便于复现
  • 覆盖多种下游任务(如活动识别),可直接应用于实际可穿戴场景

不足之处

  • 依赖UK-Biobank数据访问权限,外部研究者获取数据门槛较高
  • 文档/社区待观察

适用场景

  • 学术研究:探索可穿戴数据自监督预训练方法
  • 健康监测:基于加速度计数据的人体活动识别
  • 医疗AI:利用无标注数据预训练模型,降低标注成本

替代项目

Self-Supervised Learning for Human Activity Recognition (HAR)、TS2Vec、CLOCS

项目介绍

ssl-wearables 是行业应用领域的开源项目,由 OxWearables 开发,2022 年首次发布。

它收录于行业应用分类,该分类目前共有 545 个项目,GitHub 星标数为 166。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-09-21。无在线服务,需自行部署,完全免费。

它主要面向的使用场景是:学术研究:探索可穿戴数据自监督预训练方法。同类可对比的替代方案包括 Self-Supervised Learning for Human Activity Recognition (HAR)、TS2Vec、CLOCS。

同类项目推荐

xmgai-like 开源

换脸、艺术二维码随手玩,副业灵感一包带走。

本开源 AI 副业搞钱项目集成了强大功能,包括 AI 艺术二维码生成、AI 换脸、Delle3 绘画等···

★ 60 2026-08-09
spoken-to-signed-translation 开源

把口语文本一路转成手语视频的流水线

a text-to-gloss-to-pose-to-video pipeline for spoken to signed language translation

★ 102 2026-09-11
LiveTranslate 开源

直播看片实时翻译,字幕秒出,跨语言无压力

Real-time audio translation, captures system audio + mic, runs ASR (Whisper/SenseVoi···

★ 691 2026-08-13