machine_learning_2's Introduction

Machine Learning 2

Development

Download database from http://vis-www.cs.umass.edu/fddb/ and unpack it into folder data/large with following structure:

data
|___ large
    |___FBBD_folds
    |___originalPics
        |___2002
        |___2003

jupyter lab

machine_learning_2's People

Dla wybranego progu - wsadowe sprawdzenie wszystkich obrazków testowych

porównać gdzie się zapaliły w porównaniu z prawdziwymi detekcjami
wykonać w pętli procedurę detekcyjną na rzecz obrazów testowych (całych obrazów) i wyraportować dokładność klasyfikatora w formie czułość, FAR na rzecz obrazów

Doświadczalny wybór progu decyzyjnego - wygenerowanie krzywej ROC na danych testowych. Mamy dane testowe.

płynny sposób zmiana progów decyzyjnych
czułośc od 1-specyficzność
wybrać próg decyzyjny odpowiadający największej dokładności (do przemyślenia) - jak policzyć dokładność na podstawie czułości i specyficzności

Funkcja która będzie wykrycia grupowała w jedno wykrycie (grupowanie klastrów okien na podstawie indeks jaccarda)

przerobić funkcję detect żeby nie malowała ale zwracała liste
wykrywanie klastrów obiektów i wyczyścić to - postprocessing. Uśrednić środek i rozmiary.
pętla główna i w każdym kroku wykrywał dwa które są najbliżej siebie
intersection over union - indeks jaccarda - podajemy dwa okna. powie jak mocno się nakładają.
dla wszystkich par okienem wylicza iou i wybiera okienka dla których indeks jest największy
np. znalazł dwa okienka z iou 0.9 - próg dobry to 1/2
w pewnym momencie żaden nie ma indeksu dodatniego, to wtedy nie uczymy tych okien

References:

Recommend Projects