・Track-Anythingを用いてマスク画像を生成した
・マスク画像に対応したデータ形式に変換した
・学習自体はできたが、メッシュは上手く抽出できなかった
→おそらくモデルが悪いか、データセットが難しすぎるか
NeuS: Learning Neural Implicit Surfaces by Volume Rendering for Multi-view Reconstruction（マスク画像を用いた損失関数などが記述されている論文）
日別アーカイブ: 2023年10月31日
週報(飯田)
【先週】
・猫の写真データの収集
・スライド作成
【来週】
収集した写真データをもとに1匹分のCNNモデル(顔画像)を作成して精度の確認を行う予定
週報(野崎)
研究内容を変えようと思います。内容はサッカースタジアムへの顔認証システムです。新規性として観客が先に登録した背番号を検出して顔認証をする母数を減らし、顔認証をすることです。
週報(西元)
複数人を顔認証するとき、座席の後ろの人が認証されずらいので、解像度をあげるか、写真の何枚かにわけてとって、後ろはズームしてとるようにして認証してみようかなとおもっています。
https://ai-scholar.tech/articles/face-recognition/attenface
この研究ではスナップ写真（おそらく一枚）を撮って顔認証しているが後ろのほうは認証できていなかったみたいです。
今週の進捗(藤崎)
会社の説明会があるため今週のゼミは欠席します。
週報(大下)
体調が悪いので、本日のゼミ欠席します。
申し訳ございません。
週報(白川)＃研究進捗＃データ前処理
研究進捗
データ97個
・SVM
テストデータ20％、ランダムステイト42：テストデータ精度85％、訓練データ精度88.31％
・ロジスティック回帰
テストデータ20％、ランダムステイト42：テストデータ精度85％、訓練データ精度88.31％
訓練データ100％：訓練データ精度79.31%
検討事項・わかったこと
・SVMとロジスティック回帰で精度が全く同じなのはなぜなのか
・random_stateを変えると訓練データ精度が多少変わる