今週からは論文かきながら機械学習させたいと思います。
現在は調子が良くてこのレベルの結果です。
実行プログラムは
コチラを参考にしています。
12/1 機械学習のやり方について張先生からご指摘をいただいたので、それを下に正解画像と非正解画像を改める
12/2 風邪でで休みました
12/3 プレゼン資料を作っていました。
12/4 ゼミで発表しました。今後の大体の方針が決まりました。
12/5 風邪で休みました
先週は結局たくさんあるエラーを治すことができなかった。
今週もエラーを直すこと目標とする。
11/17
error LNK2028: 未解決のトークン (0A00000D) "*** が関数 "*** で参照されました。
error LNK2019: 未解決の外部シンボル "*** が関数 "*** で参照されました。
この二つのエラーに悩まされています。
11/18
できました！！！
とりあえず顔検出ができるようになりました！
あとは魚検出のためのxmlファイルを使って実行したいと思います。
11/19
ポジティブ画像1000枚
ネガティブ画像1000枚を使って実行してみました。
結果はご覧のとおりダメダメでした。
精度を高めるために画像の枚数を増やしたいと思います。
今週の課題も実行プログラムを完成させることです。
11/10
いらないバージョンのvisualstudioを全てアンインストールして実行したが、ビルドできず。
ゼミで先輩たちからもらった意見をもとに改善中
11/11
ビルド成功！！！！
opencvのバージョンを2.4.5から2.4.9にすることによってなぜか成功した。
早速実行したがなぜか画像が上手く読み込めない。
一難去ってまた一難。
11/12
11/13
11/14
11/15
11/16
今週は検出プログラムを完成させようと思っています。
11/4
なかなかエラーが直せないでいます。
11/5
このエラーに悩まされています。
このエラーは一体どうすればいいのか教えてください。
自分は機械学習をするためにのVisualstudio2010や2013をダウンロードしたせいでエラーが出ているのではないかと思っています。
今
コチラを見ているんですがどう思いますか？？
11/6
調べた結果visualstudioを再インストールして見ることにしました。
11/7
再インストールしたがうまくいかず。
学祭の準備をしました。
11/8
11/9
今週の課題は実行プログラムを作ることです。
学習は終わらせたのでネットから拾った顔画像検出プログラムから魚の物体検出のプログラムを作りたいと思っています。
顔画像検出のプログラムは
コチラです。
10/27
風邪をひきました。何もしてません。
10/28
顔画像検出のプログラムを多少いじって実行してみましたがエラーで動きません。
「識別子が見つかりませんでした」というエラーが出ています。
現在エラーについて調べている段階です。
10/29
昨日の識別子についてのエラーは解決しましたが、またほかのエラーが出ました。
現在そのエラーについて調べています。
10/30
エラーがなかなか直りません。
調べています。
10/31
11/1
11/2
今週の課題は機械学習を終わらせることです。
正解画像と非正解画像を約1000枚ずつ機械学習させようと思っています。
正解画像の座標をObjectMakerで取得している段階です。
終わらせ次第、実行プログラムを完成させて精度を確認したいと思っています。
自分の物体検出の方法は次のリンク先の方法を参考に行っています。
http://www.slideshare.net/takmin/opecv-object-detectiontakmin
http://freestyle.nvo.jp/archives/1189
10/20
研究室のルーターの異常のせいでインターネットの接続が悪かった。
ルーターを新しいものに代えて配線を変えた。
インターネット環境が整ったので、正解画像になりうる魚の画像を一括ダウンロードしながら
ObjectMakerで座標取得
しかし取得中にObjectMakerが動作不良に。
原因はわからない。
10/21
ObjectMakerの動作不良を改善して正解画像作成完了。
非正解画像もフリーソフトを使ってテキスト化した。
正解画像と非正解画像のテキストを使ってあすは学習に移ろうと思う。
正解画像と非正解画像はそれぞれ約1000枚ある。
10/22
opencvのharrtrainingを使用して学習開始！と思ったのだがエラー発生
現在エラーの理由を探している。
10/23
昨日のエラーは正解画像と非正解画像を格納する場所を変えることで解決できた。
機械学習を完了した。
10/24
顔画像検出のプログラムをネットで見つけたので、まずはそれを使ってプログラムを組んでいる。
10/25
何もしてません
10/26
風邪ひきました
実行プログラムについて理解する。
10/14
実行プログラムについて調べる。
正解画像の作成
10/15
実行プログラムについて調べる。
正解画像の作成
10/16
実行プログラムについて調べる。
正解画像の作成
10/17
ネットが使えない
10/18
何もしてません
10/19
何もしてません
機械学習を終わらせ、精度の確認をする。
画像処理教本を読む。
10/7
全体ゼミに向けてプレゼンを作る。
機械学習させる。
10/8
全体ゼミに向けてプレゼンを作る。
機械学習させる。
10/9
陳さんにオブジェクト検出のプログラムを貰う。
プログラムの意味を解読しようとする。
10/10
陳さんからもらったプログラムの解読
10/11
英文購読
10/12
英文購読
10/13
英文購読
ポジティブ画像とネガティブ画像を学習させて、実際に画像の中に魚がいるかどうかを判断させる。
10/1
ポジティブ画像のつくり方を学んだ。
ポジティブ画像はネガティブ画像と違ってその画像の中のどの位置に対象の物体がいるかを正確に示さなければならない。
そのために画像の中の座標を特定できるObject Makerというソフトをダウンロードしなければならない。
ObjectMakerについて調べる。
10/2
Objectmakerを使うにはBoostというライブラリをダウンロードしなければならないことがわかった。
BoostをダウンロードしてからObjectMakerを起動するために努力した。
10/3
BoostやObjectMakerが自分のPCと互換性が合わず、なかなか実行することができなかったが
今日やっと実行することができた。
試しにポジティブ画像の座標をObjectMakerを使って調べた。
無事に正確な座標をはかることができた。
今後はポジティブ画像に使うサンプル画像を集める。
10/4
画像処理教本を読む
10/5
画像処理教本を読む
10/6
今日の英文講読の和訳です。B4全員で分担して和訳しました。
およそ200年前、フーリエは熱の流れの研究を成し遂げた。
それは有名な研究論文で、1811年に全盛を極めた。
すべての働きは変化が連続的、もしくは非連続的でも正弦の多重変化の連続で拡大するかもしれないと主張した。
その当時、ラプラスやラグランジュを含んだ委員会の報告書では次のような決断を下した。
著者が到達したこれらの方程式は困難の免除ではない。そしてこれらを統合するための分析はまだ何か残っている。一般的で、また厳格な成績を願うために。
このラプラスのコメントは明確に不連続の問題について言及している。
このような困難は以来、緩和されている。
その調和の分析の発展は基礎のしっかりとした数学的土台を根付かせ、効率的なアルゴリズムを授けた。
そのアルゴリズムは科学や工学のすべての分野のフーリエ法を作った。
それは物理学の解釈として理解されるだろう。
フーリエ解析は現実世界のシステムの観察を対照とした中で、静止した状況でなされるものである。
従って、フーリエ方式時間部を作るには必要なのである。
時間周波数解析における機能の幅は、古典的なフーリエに基づいた方式の時間部の広がりとして
見ることができるような変換を経た信号を得られる二次元実平面である。
その動機は一般的に、非定常性のそれらの自然現象によりふさわしい適切な領域の中で
それらの信号のマニプレーションを可能にすることと同様に
私達が遭遇する多くの時間の時間変化構造を理解しようと試みる中にある。
しかし時間周波数解析法は，多くの領域で当たり前に用いられている
(高速フーリエ変換，ウェーブレット，またはワイグナー型のエネルギー分散のいずれかに基ずく)
「古典的な」手法によって最高調に達しており，30年以上もの研究を通じて，多くの研究主題となっているため，
フーリエ解析は時間周波数解析法を定義する唯一の方法ではありません．
さらに最近これらの研究に対して，新たな観点を提供し，新興研究に役立つ，
また，信号分析，合成および再構築の開発で運用されている重要な再検討がありました．
我々は，IEEE信号処理マガジンの本特集で，この分野における最先端技術の現状を確認，
明らかになっている問題を考慮し，新規の重要な研究を強調しています．
特集記事は二つのカテゴリに分類される。一つ目のカテゴリは時間周波数解析の基礎となる方法論と理論的な取り組みを紹介し、
二つ目は複数のアプリケーションドメインにおける時間周波数法の役割を検討している。
それらはすべて、オーディオ、レーダー、ソナー及び生理学的信号からの信号を広範囲に使用し説明するが、
記事の最初は上に述べたように方法論的問題として論じていると考えることができる。
バラージュらはスパース性の影響を考慮し、係数領域モデリングだけでなく、変換、適応性のある線形時間周波数表現の概念を扱う。
記事では方法を説明するために音声信号からの例を使用している。
オーガは、シンクロスクイージングツールと生物学分野、生理学の信号、麻酔関係の信号からの例とともに配置転換方式の関係を検討する。
カップロによる記事は、非定常のシグナル分析や不均一性のサンプリングとの関係の非同時性の表現の利用法を検討する。
次に、ナポリターノ氏は方式を説明するためにcyclostationary方式とレーダーやソナーのような時間周波数解析の応用方式の関係を論じる。
続いて、Angelosanteは、例として非定常の信号解析や時間適応性のあるアルゴリズムを使う脳波検査信号のための
sparsity-aware(スパーシティアウェア)時間周波数ツールを検討する。
実行プログラムはコチラを参考にしています。
12/1 機械学習のやり方について張先生からご指摘をいただいたので、それを下に正解画像と非正解画像を改める
12/2 風邪でで休みました
12/3 プレゼン資料を作っていました。
12/4 ゼミで発表しました。今後の大体の方針が決まりました。
12/5 風邪で休みました 
