先週進捗

• Latex編集:深刻でなければなりません;
• 読まれた研究文献のテキスト照合；
• 次の実験のためにデータを収集する。

今週予定

• ICIAE2020の最終ドラフトの提出と登録（締切：17日）;
• 16日、工学融合科目の12のレポートの最後をお見逃しなく；
• 工学融合科目12レポートの記録を完成させ、張先生に提出する；
• 次の実験を実現する。

• まず、先週は年末年始でした、遊び、買い物、その他の活動を通して、日本の新年の雰囲気を体験した、とても幸せ。
• ICIAE2020論文の修正を続ける。
• 研究ニーズに応じて、先週、ターゲット検出の一般的なアルゴリズムと現在の主要なテクノロジーについて学びました、論文を読む：2019-Recent Advances in Deep Learning for Object Detection
• 歩行者の再識別に関しては、論文を読む：2018-ICCV-Learning Discriminative Feature with Multiple Granularities for Person Re-Identification

ICIAE2020論文の改訂

先週の進捗

• 先週の主なタスクは、独自の検出モデルをトレーニングするためのデータセットを作成することです 。
• 最初に、以前にカメラで取得したデータセット（拡張）にタグを付けますlabelImg。サンプルとXMLマークアップを準備する。
• 3日以上のtrainingの後、コード変更プロセス中にカテゴリ名が誤って記述されていることがわかりました（ZHUMiaomiaoとZhuMiaomiao）、本当に不注意、再訓練のみ可能。

• 再訓練後、画像の目的とカメラを介したリアルタイム検出は基本的に達成されます.

• 論文の修正と提出。
• 以前の実験に基づいて、歩行者検出結果のtxtファイルの出力がさらに実現されました。

• 次のステップでは、ボックスの位置座標に従って歩行者画像をトリミングして、歩行者データセットを直接形成します。
• 次の実験的なニーズ（歩行者のセグメンテーション）によると、今週はHOG + SVMと Mask Scoring RCNN について学びました。

• 先週の主な仕事は、ICIAE2020論文の編集と提出でした.
• 歩行者の再識別(ReID)-Deep learning person re-identification in PyTorch、 12月8日の停電前に基本的に完了したトレーニング、次に、独自のデータセットをテストして構築します.

今週の進捗

• 今週（11月25日〜12月1日）、揚州大学-九工大の樱花计划の実施と関連するレセプション業務に参加しました。
• 7日間の樱花计划、レセプションの仕事の一部を担当することに加えて、彼は張研究室での講義と研究会議で揚州大学の教師とクラスメートとの研究と交流を行いました。

• 私の研究活動に関しては、今週はあまり進歩していませんが、報告書を作成して揚州大学とコミュニケーションをとることにより、研究を整理し、後の研究についてより明確に理解しました、自分を応援する。

• 

• Continue Reading ››

今週の進捗

• 1.歩行者の再識別(ReID)-Deep learning person re-identification in PyTorch、重要なテストフェーズで、問題が発生しました----ValueError: Buffer dtype mismatch, expected 'long' but got 'long long'。
• windownsシステムとLinuxオペレーティングシステムのデータ型定義方法が異なるため、長い間見つける理由は解決していません。また、多くのソースプログラムはLinuxオペレーティングシステムに基づいているため、Ubuntu 16.04LTSシステムは張先生と彼のクラスメートの助けを借りてインストールされます。この時点で、トレーニングからやり直します。

• 2.先週、画像とビデオのリアルタイム顔検出が実装されました。先週のカメラのリアルタイムビデオキャプチャの前提の下で、ビデオで最初に実装された画像（単一およびバッチ）およびマルチターゲット検出。これに基づいて、歩行者検出のみが実装されます。

• Continue Reading ››

今週の進捗

• ReIDの理論知識とkivyの使用をさらに学ぶ。
• 実験の必要性のため、今週は画像処理の基本動作、例えば画像の増強とサイズの変化を行った。

• 特定の画像の歩行者検出と、ビデオ内の顔のリアルタイム検出を実現します。

• 歩行者の再識別の研究における重要なステップとして、リアルタイムのビデオ取得に基づいて、次のステップは、ビデオ内の歩行者のリアルタイム検出の実現を試みることです。

今週の進捗

• 歩行者の再識別(ReID)-Deep learning person re-identification in PyTorch， 異なるデータセットで個別にトレーニングとテストを行う（s- dukemtmcreid /-t- market1501）。
• 張先生の指導の下、実験の別の部分が始まりました：
• (1)環境の構築を実行し、簡単なゲームアプリを実装することにより、開発プロセスを一般的に理解します（図 1、2、3）。
• (2)kivyとpygameを使用して、カメラから撮影した写真を表示します（図 4、5）。

Continue Reading ››