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。
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。
会社の説明会があるため今週のゼミは欠席します。
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。
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%
・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
→相関の確認やデータのばらつきから飲酒の検知をしているため、機械学習を用いて飲酒の検知をしているという点や簡単に(スマートウォッチでも)測定できる生体パラメータを用いるという点で新規性があると主張する
実験3
NTTDATAのシステムを利用した出欠確認システムの研究がありました。
顔認識を利用したリアルタイムの出席確認システム「AttenFace」 | AI-SCHOLAR | AI:(人工知能)論文・技術情報メディア
10分ごとにスナップショットをとり、それに対して顔認証を行い出欠確認している。
・データ収集完了
・エクセルファイルからデータを取り込み(その2)、学習させるまでを勉強中
まだ何も理解できていないが、とりあえずチャットGPTに書かせたSVMモデルを使用して分類する方法では85%の精度だった。
・パワポ作成
・CNNを用いた顔認識モデルの作成
村田製作所
自動車
自分のしたい研究がすでに研究されていることに火曜日気づきました。foveated Renderingというそうです。そこで、物体検出か深度センサを絡ませて研究してみようかなと思っています。