LIMU-BERT_Experience

用海量IMU数据预训练，让传感器模型开箱即用

LIMU-BERT-X 是一个基于 IMU（惯性测量单元）数据的传感器基础模型，利用 143 万小时的 IMU 数据预训练而成。该项目旨在解决可穿戴设备、运动追踪和姿态识别等领域中传感器数据标注成本高、通用性差的问题。其核心能力包括：通过自监督学习从原始 IMU 序列中提取通用特征表示，支持多种下游任务（如活动识别、手势识别、姿态估计等）的微调。模型基于 BERT 架构，针对传感器时序数据进行了适配，能够处理多轴加速度计和陀螺仪数据。项目提供了预训练权重和微调代码，便于开发者快速集成到自己的应用中。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 71
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WANDS-HKUST
所属国家
官网地址https://github.com/WANDS-HKUST/LIMU-BERT_Experience
GitHubhttps://github.com/WANDS-HKUST/LIMU-BERT_Experience
定价模式free
价格说明开源模型，MIT许可证，可免费使用和部署。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型foundation-models,har,imu,sensor
GitHub 星标★ 71
30天Star增速
HF 下载量
上线时间2025-07-07 00:00:00
最近更新2026-09-17 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5

使用教程

核心亮点

  • 预训练数据规模大（143万小时），特征泛化能力强
  • 基于成熟BERT架构，易于迁移到多种IMU下游任务
  • 提供预训练权重和微调示例，上手门槛低

不足之处

  • 项目文档和社区支持尚不完善，需自行摸索
  • 模型参数量较大，边缘设备部署有挑战

适用场景

  • 智能手表/手环的活动识别（走路、跑步、睡眠）
  • 工业设备振动监测与异常检测
  • AR/VR手柄的姿态跟踪与手势识别

替代项目

TinyML、SenseBERT、IMU2Vec

项目介绍

LIMU-BERT_Experience 是开源模型领域的开源项目，由 WANDS-HKUST 开发，2025 年首次发布。

它收录于开源模型分类，该分类目前共有 424 个项目，GitHub 星标数为 71。

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 2026-09-17。MIT许可证，可免费使用和部署。

它主要面向的使用场景是：智能手表/手环的活动识别（走路、跑步、睡眠）。同类可对比的替代方案包括 TinyML、SenseBERT、IMU2Vec。

上一篇：RET-CLIP

下一篇：GTT

同类项目推荐

Machine-Learning 开源

跟着博客笔记，边看边跑机器学习代码

All content related to machine learning from my blog

★ 115 2026-08-09
CoreML-Models 开源

下载即用的苹果端 AI 模型库，免去转换烦恼

Core ML model zoo for iOS/macOS — PyTorch models converted to ready-to-use .mlpacka···

★ 1873 2026-08-10