1. A lot of experiments have been done on the KITTI dataset. By dividing the occlusion area into two classes, introducing edges to loss function, and increasing the weight of smoothing items in the last few epoch, good results have been obtained.
2. Finished the abstract of the paper planned to be published on AROB.
3. Made … Continue Reading ››
   

先週の進捗

1. 引き続き総合実験にのために機能モジュールを追加します，前に作成したプログラムcrop_person_from_video_for_query.pyを引き続き改善し、実際のシーンで使用する合理性を高める。
2. 先週、私はもう一度前に見たいくつかの重要な論文を読みました：《Bag of Tricks and A Strong Baseline for Deep Person Re-identification》,《Re-ranking Person Re-identification with k-reciprocal Encoding》，《FastReID: A Pytorch Toolbox for Real-world Person Re-identification》，《Omni-Scale Feature Learning for Person Re-Identification》，《Deep Learning for Person Re-identification A Survey and Outlook》,《Camera Style Adaption for Person Re-identification》。
3. 引き続きAROB-2021論文の作成。
4. 張先生のご指導とご協力のもと、総合実験設備はもう設置されました、楽しみにしていましたが、ドキドキや緊張もあります。長い間総合実験をしましたので、今はいよいよ実際のシーンでテストを行います。

今週の予定

VS codeをインストールし、初期設定をした。

Chrome remote desktopをインストールし、研究室のPCと接続した。

仮想環境下でGitHub上にある学習済みモデルを用いて、画像及び動画上の物体検出を行った。

https://github.com/qqwweee/keras-yolo3

• バックグラウンド非同期処理を行えるサンプルアプリを解読中
• 今後、カメラAPIについて勉強して、バックグラウンド処理として、カメラ機能を搭載する予定

• プログラムの修正
  →毎フレーム投影位置の修正からコーナー検出結果が一定範囲外にあった場合のみ投影位置の修正を行うように修正。ここから、マウスで微調整する機能の追加を行う予定。
• 英論作成中

1. 引き続き総合実験にのために機能モジュールを追加します：

• 問題提起: 実際の応用では、特定の時間帯に特定の歩行者を検出するだけです、したがって、オリジナルビデオの中のある時間帯を切り取って特定の歩行者の検索を行います。

• 問題解決: crop_video_and_image_to_require_time.py，部分キーコード設定を図１に示します：

• プログラム機能:指定された条件で、（開始帧,終了帧）、（開始時間, 終了時間）、（逐帧と隔帧）、マルチセッションビデオを切り取ります。動画として保存しながら、画像として保存し、先週作成したプログラムを統合しますvideo_to_image.py。

• 実際の応用: 下の図のように、必要に応じてマルチセッションビデオを切り取りを行い、25フレーム（１秒）ごとに出力します。

2．張先生は実験設備の買戻しを手伝ってくれました、今週は実験データの収集を行います。