- 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.
- Finished the abstract of the paper planned to be published on AROB.
- Made … Continue Reading ››
日別アーカイブ: 2020年10月26日
進捗(北原)
研究
(物体検出の練習)公開されている駐車場のデータセット(先週の進捗参照)を自分でアノテーションして、SSDで学習を行い、推論まで行った。
Precision(適合率)=0.841 Recall(再現率)=0.406
と精度が低かったので、SSDのベースネットのVGG16よりも分類精度が高いResNetをベースネットに持つDSSDを用いて、同様に学習および推論を行った。
Precision(適合率)=1.00 Recall(再現率)=0.60 ちょっと上がった。
早くドローンでデータ撮って学習させたいです！！！！！
就活
・パナソニック懇親会に参加
今週の進捗(古川)
gitlabへのアップロードの仕方を学び、アップロードすることができた。
研究背景を強めるための情報をより集めた
Pythonの基本文法を進めた
今週の進捗（五十君）
[研究]
・とりあえず、アプリのひな型を完成させました。
[就活]
・明日、北九州の企業が多く集まる北九大主催のオンラインの就活イベントがあるため、企業への質問などを考え中です。
先週の進捗（李鎮）
The abstract of my thesis in AROB2021 is completed
I learned about PointNet and PointNet++ from 3D detection thesis "Deep Hough voting for 3d object detection in point clouds". I continued read the thesis "PointNet++:Deep Hierarchical Feature Learning on Point Sets in a Metric Space". This is the basic work … Continue Reading ››
今週の進捗（戸村）
bachelor_thesis2020で卒論フォルダをgit labにアップロードした
pythonでのOpen cvの使い方を勉強した。
卒論テーマの新規性についてどうするか考えた。
今週の進捗(井川)
Pythonの基礎についての本を確認した。
SourceTreeを学校と家のpcにインストールした。
今週は進捗がほとんどが伸びなかったので今週頑張りたい。
先週の進捗(ZHU)
先週の進捗
- 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。
- 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》。
- 引き続きAROB-2021論文の作成。
- 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
先週の進捗（新野）
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
