1.画像から色特徴と構造特徴を抽出して、データを学習させる -1.ヒストグラムをvisual wardに変換する -2.人間を検出する深層学習を利用する /12 1-1.実験中 ゼミようスライド作成 -データ /13 1-1.進捗相談 -結果が期待通りにならない原因を見つけるために、BOWの頻度を可視化する。 /14~16 1-1.BOWの頻度を可視化するプログラムを作成。 -１枚の画像あたり、１つのBOW要素に投票した場合の結果をしめす。

1.画像から色特徴と構造特徴を抽出して、データを学習させる -1.ヒストグラムをvisual wardに変換する -2.人間を検出する深層学習を利用する /05 1-1.実験結果が想定したものと異なる。 -調べたところ学習用データを意図的に削減することが問題を起こしている。 --解決案を調べる。 /06~08 1-1.5日にわかった問題は見当違いで、プログラムは正常に動作していた。 -1つのデータの有無で結果が大きく変わることがわかった。 -データ数をポジティブデータセットに合わせる（200個程度）と、何も検出しない。 --シミュレーションで作成した正解画像を利用することで、ポジティブデータセットを増やして実験する。   /09 1-1.学習用データを10000対10000の場合と50000対10000で実験したが、画像から検出される領域がない。 -色数、BOWの要素数、クラスタリングの有無で結果が変わるはずなので一通り試してみる

1.画像から色特徴と構造特徴を抽出して、データを学習させる -1.ヒストグラムをvisual wardに変換する -2.人間を検出する深層学習を利用する /28 1-1.学習用データをクラスタリングして機械学習に利用すると、結果が良くない、何も検出されない -クラスタリング後に主力される学習用データが各クラスタの中心値で置き換えられているため、結果が良くないかもしれない。 --クラスタリング後にデータを中心値に最も近い学習データで置き換える処理をいれる。 /29 プログラム修正中。 /30 プログラム修正完了。 実験中。 /01 実験中。 /02

1.画像から色特徴と構造特徴を抽出して、データを学習させる -1.ヒストグラムをvisual wardに変換する -2.人間を検出する深層学習を利用する /21 1-1.実験中 -visual wardを作成する過程で、学習データの数が少なくなるため、数を増やす工夫が必要かも /22 プログラムにバグがあった。修正中。 /23 プログラム修正中。 /24 プログラム修正中。 /25 プログラム修正中。