English · 中文 · Polski · Español · 日本語 · 한국어 · Русский · Français · Deutsch
Détection de collisions à partir de données d'accéléromètre avec un modèle PyTorch léger (1,3 k paramètres) conçu pour l'inférence en temps réel par fenêtres.
python -m venv .venv && source .venv/bin/activate
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu132
pip install -r requirements.txtcollision-detection all # entraîner (génère les données, entraîne, évalue)
collision-detection evaluate # tester le modèle entraîné sur toutes les partitions
collision-detection visualize # visualisation des tests du modèle entraînéToutes les commandes produisent des artefacts dans data/ (jeux de données) et artifacts/ (checkpoint, métriques, graphiques — y compris artifacts/plots/visualization.png).
Pour vos propres données, placez les CSV dans data/raw/ et exécutez collision-detection preprocess avant collision-detection train.
Si ce dépôt vous a aidé dans vos recherches, n'hésitez pas à le citer :
Style APA
Brzustowicz, S. (2026). Collision-Detection-AI: Collision detection from accelerometer data using a lightweight PyTorch model (Version 1.0.0) [Source code]. https://github.com/sebastianbrzustowicz/Collision-Detection-AI
BibTeX
@software{brzustowicz_collision_detection_ai_2026,
author = {Sebastian Brzustowicz},
title = {Collision-Detection-AI: Collision detection from accelerometer data using a lightweight PyTorch model},
url = {https://github.com/sebastianbrzustowicz/Collision-Detection-AI},
version = {1.0.0},
year = {2026}
}Tip
Vous pouvez aussi utiliser le bouton « Cite this repository » dans la barre latérale pour copier automatiquement ces citations ou télécharger le fichier de métadonnées.
CC BY-NC-ND 4.0 — voir LICENSE.md.
Sebastian Brzustowicz Se.Brzustowicz@gmail.com
