The first draft of the paper has been completed, and it is expected to be completed in one week

（1）In the field of object tracking, I am making datasets and designing a deep network to evaluate the similarity between template and current object appearance.

（2）I am searching the paper about trajectory prediction and camera motion evaluation

1. detect key points based on yolo-pose
2. use mpdiou and focal mechanism to improve accuracy
3. Use GSCONV and pruning framework to reduce the parameters of the model

論文の執筆を始めました。

参考文献

• 飲酒との因果関係

体温、血圧と心拍数、血中酸素濃度、その他1、その他2

論文の執筆に取りかかった。

顔、体のモデルについて、使用する画像を変更していくつか作成し、精度の向上・安定に向けて実験を繰り返したが、あまり改善されなかった。原因として、モデルに使用する画像を動画から静止画にする方法で作成しており、1枚1枚の画像にあまり違いがなく、少ないエポック数でも過学習を起こしていたためと考えられる。

今週のゼミは、モデル用画像の収集で実家に一時的に戻っているため、お休みします。

顔のモデル、体のモデル、ふたつを合わせた統合モデルを用いて、1000枚のテストデータで精度確認実験を行いました。

今回は統合モデルのテストデータの評価方法として、顔のモデルと体のモデル各クラス(cat_1~7)に属する確率の配列として出力される予測結果の平均値を顔と体の統合モデルの予測結果の出力としました。

実験結果は全体的に精度が低くなっており、特に似ている猫の場合は、顔モデルと体モデルに比べて統合モデルの方が精度が低くなってしまいました。

今後は学習データを顔と体それぞれ3000枚で統一し、顔と体の出力の重みを調整して実験し直したいと考えております。

教室で2m,4m,6m,8mの距離から3人を各距離30枚ずつ撮影し、3人写っている場合の高解像画像と超解像画像での顔認証の適合率の比較を行いました。4m~8mの間では超解像にすることで、高解像画像に比べて平均で約15.3%も適合率が高くなっていました。

説明変数を5つ選択してすべての通りで相対誤差を出力して、一番良いモデルを探した。またどの説明変数が市場価格に影響するかを検証した。

大ゼミのパワポ作成。

大ゼミでご指摘

今後の予定