CoolFace
Datasetpublic

AustonLu/tacspike-slip-detection-1khz

TacSpike Slip Detection 1kHz 数据集简介 这是 TacSpike 项目的 1kHz 视触觉事件数据集发布版，任务为 滑移二分类。数据由原始触觉帧/视频经过 v2e + SuperSloMo 生成 1kHz DVS-like 事件，再按 20ms window 和 1ms stride 整理成 sequence HDF5。 dataset: tacspike-slip-detection-1khz version: v1.0.0 task: slip_binary event_source: v2e_superslomo_1khz timestamp_resolution_ms: 1.0 window_ms: 20.0 stride_ms: 1.0 bins: 20 voxel_shape: [20, 2, 128, 128] source_dataset: TacBench/Sparsh tactile frames 文件结构 README.md… See the full description on the dataset page: https://huggingface.co/datasets/AustonLu/tacspike-slip-detection-1khz.

sourceHugging Faceotherupdated 3mo agoView on Hugging Face
1likes144downloads
Dataset Card

TacSpike Slip Detection 1kHz

数据集简介

这是 TacSpike 项目的 1kHz 视触觉事件数据集发布版，任务为 滑移二分类。数据由原始触觉帧/视频经过 v2e + SuperSloMo 生成 1kHz DVS-like 事件，再按 20ms window 和 1ms stride 整理成 sequence HDF5。

text
dataset: tacspike-slip-detection-1khz
version: v1.0.0
task: slip_binary
event_source: v2e_superslomo_1khz
timestamp_resolution_ms: 1.0
window_ms: 20.0
stride_ms: 1.0
bins: 20
voxel_shape: [20, 2, 128, 128]
source_dataset: TacBench/Sparsh tactile frames

文件结构

text
README.md                         # Hugging Face dataset card
README_DATA.md                    # 数据包内说明
VERSION
metadata.json
SHA256SUMS.txt
summary.json
manifest_sequences.csv
manifest_windows.csv
verification_report.json
baseline_report.json
DATA_LICENSE
LICENSE
CITATION.cff
examples/
  inspect_h5_schema.py
  quickstart_slip.py
  quickstart_marker.py
sequences/
  train/{sequence_id}.h5
  val/{sequence_id}.h5
  test/{sequence_id}.h5

数据规模

text
num_sequences: 1559
num_sequences_by_split: {'train': 1091, 'val': 234, 'test': 234}
num_windows: 28952409
split_counts: train: 20293980 / val: 4173170 / test: 4485259
mean_event_count_per_window: 2.989931304161944
empty_window_ratio: 0.3324946811852513

类别统计

text
num_slip_windows: 7942685
num_no_slip_windows: 21009724
class_ratio_slip: 0.2743358937765766

HDF5 结构

每个 sequence 文件是一个独立 HDF5 文件，根属性中包含 sequence_id、format、height、width、bins、window_ms、stride_ms 等字段。

text
events/
  t                         # float64, 秒，1ms 网格上的事件时间戳
  x                         # int, [0, width)
  y                         # int, [0, height)
  p                         # int, 0/1 polarity
windows/
  t_start                   # 每个训练窗口起点
  t_end                     # 每个训练窗口终点
  t_label                   # 该窗口对应的标签时刻
  event_count               # 该窗口内事件数
label/
    slip

默认输入语义是：对每个 windows[i]，取 [t_start[i], t_end[i]] 内的事件，动态 voxelize 成 (20, 2, 128, 128)；窗口长度为 20ms，stride 为 1ms。

快速使用

安装最小依赖：

bash
python -m pip install numpy h5py

在下载后的数据集根目录运行：

bash
python examples/inspect_h5_schema.py --data-root .
python examples/quickstart_slip.py --data-root .

如果在代码仓库中使用完整工具链，可以运行：

bash
python scripts/verify_dataset.py --input /path/to/dataset --task slip_binary
python scripts/train_baseline.py --input /path/to/dataset --task slip_binary --max-train-samples 2000 --max-eval-samples 500 --epochs 1

Baseline

baseline_report.json 中记录的是轻量 CNN baseline，主要用于验证数据读取、label 对齐和训练流程，不代表最终 SNN 性能。

json
{
  "cnn": {
    "accuracy": 0.2776,
    "f1": 0.4345648090169067,
    "precision": 0.2776,
    "recall": 1.0
  },
  "device": "cuda",
  "epochs": 1,
  "eval_samples": 5000,
  "majority_baseline": {
    "accuracy": 0.7224,
    "f1": 0.0,
    "precision": 0.0,
    "recall": 0.0
  },
  "sequence_input": true,
  "task": "slip_binary",
  "train_samples": 20000
}

校验

下载或迁移数据后建议先做校验：

bash
sha256sum -c SHA256SUMS.txt
python examples/inspect_h5_schema.py --data-root .

已知限制

  • —滑移类别不均衡，发布版应同时报告 precision、recall、F1 和 PR-AUC。
  • —当前 CNN baseline 用于验证数据读取和训练流程，不代表最终 SNN 性能。
  • —本数据集是由现有触觉数据集派生得到的事件数据，正式公开使用时应同时遵守原始数据集、v2e、SuperSloMo 及本发布包的许可要求。
  • —当前数据标签和事件均按 1ms 时间栅格组织，适合 1kHz 级滑移检测或触觉运动估计实验；如果模型使用不同采样频率，需要显式重新定义 window/stride。

许可

本数据集使用 license: other。数据文件是派生数据，二次分发和使用须遵守原始数据集及相关工具/模型权重的许可。详见 DATA_LICENSE 和 LICENSE。在原始数据许可完全确认之前，不应把本发布包标成 MIT、Apache、CC-BY 或 CC0。

引用

请引用 CITATION.cff 中的 TacSpike 数据集条目，并同时引用对应的原始数据集、v2e 和 SuperSloMo。后续论文/DOI 确定后，应更新本 dataset card、CITATION.cff 和 GitHub README。