・スマートプロジェクトについてwebページ作成および仮想環境作成
・就活オリエンテーションの参加した
・マイナビに登録した

帰省して集めたデータを使ってモデルを作り直し、実験を行った。精度は以前のモデルに比べて向上した。論文の第一章(序論)まで一旦書き終えた。来週中には一通り書き上げたい。

餃子おいしかったです。

論文の執筆に取りかかった。

顔、体のモデルについて、使用する画像を変更していくつか作成し、精度の向上・安定に向けて実験を繰り返したが、あまり改善されなかった。原因として、モデルに使用する画像を動画から静止画にする方法で作成しており、1枚1枚の画像にあまり違いがなく、少ないエポック数でも過学習を起こしていたためと考えられる。

今週のゼミは、モデル用画像の収集で実家に一時的に戻っているため、お休みします。

顔のモデル、体のモデル、ふたつを合わせた統合モデルを用いて、1000枚のテストデータで精度確認実験を行いました。

今回は統合モデルのテストデータの評価方法として、顔のモデルと体のモデル各クラス(cat_1~7)に属する確率の配列として出力される予測結果の平均値を顔と体の統合モデルの予測結果の出力としました。

実験結果は全体的に精度が低くなっており、特に似ている猫の場合は、顔モデルと体モデルに比べて統合モデルの方が精度が低くなってしまいました。

今後は学習データを顔と体それぞれ3000枚で統一し、顔と体の出力の重みを調整して実験し直したいと考えております。

3匹分の猫の顔のモデルを作成した。顔が映っている画像は基本的に判別できたが、顔が映っていない画像やカメラから猫が遠い画像、ぶれている画像は判別できなかった。この欠点を模様パターンモデルでカバーできれば御の字。

今後は模様パターンのモデルの作成に移りたいと思う。また、モデルとなる猫の種類も増やしていきたい。

猫の顔識別プログラムについて、2匹分のcnnモデルを作成して比較することで、より確率の高い方の猫の名前を出力するプログラムを作成したが、上手く動作しなかった。

・顔データ収集

・顔のcnnモデルの作成(先週からの進捗なし)

cnnモデルの作成について、ラベリングの方法やモデル構築の仕組みについて勉強中です。

餃子おいしかったです。

tensorflowではモデルの読み出しができなかったため、kerasを使用したところ読み出しに成功した。先週は、1匹分のモデルを作成し、識別を実行したが、犬の画像を猫と判別してしまったため、プログラムを見直す必要がある。

【先週】

・猫の写真データの収集

・スライド作成

【来週】

収集した写真データをもとに1匹分のCNNモデル(顔画像)を作成して精度の確認を行う予定

・パワポ作成

・CNNを用いた顔認識モデルの作成