|
|
# Índice
|
|
# Índice
|
|
|
|
|
|
|
|
|
- [8 de abril 2022](#8-de-abril-2022)
|
|
|
- [31 de marzo 2022](#31-de-marzo-2022)
|
|
- [31 de marzo 2022](#31-de-marzo-2022)
|
|
|
- [16 de marzo 2022](#16-de-marzo-2022)
|
|
- [16 de marzo 2022](#16-de-marzo-2022)
|
|
|
- [2 de marzo 2022](#2-de-marzo-2022)
|
|
- [2 de marzo 2022](#2-de-marzo-2022)
|
| ... | @@ -19,6 +20,17 @@ |
... | @@ -19,6 +20,17 @@ |
|
|
- [27 de mayo 2021](#27-de-mayo-2021)
|
|
- [27 de mayo 2021](#27-de-mayo-2021)
|
|
|
- [13 de mayo 2021](#13-de-mayo-2021)
|
|
- [13 de mayo 2021](#13-de-mayo-2021)
|
|
|
|
|
|
|
|
|
# 8 de abril 2022
|
|
|
|
|
|
|
|
Se discutió con los tutores el inconveniente que surge de especificar una prueba en un escenario real para determinar el punto de corte de confianza para la detección: es imprevisible saber qué objetos serán erróneamente detectados como rostros. La solución que se determinó en conjunto con los tutores es utilizar el dataset WIDER Face para determinar el punto de corte, teniendo en cuenta que el equipo ya tiene el resultado de las ejecuciones de los modelos para dicho dataset. Es preciso entonces desarrollar un script que compare las detecciones esperadas con las reales, pero para ello se debe tener en cuenta que para cada imágen pueden existir múltiples detecciones. Entonces, es imperativo determinar qué detección se relaciona con qué anotación, para lo cual se considerará que una detección está asociada a una anotación cuando es la IoU mayor al 50% más coincidente. Una vez definidas estas asociaciones, se tendrá para cada predicción si esta era realmente un rostro o no, así como aquellos rostros para los cuales no hubo ninguna predicción. Con esta información se puede invocar la función _precision_recall_curve_ de _sklearn_ para obtener una asociación uno a uno entre puntos de corte para la confianza, y valores de precisión y recall, pudiendo finalmente determinar un punto de corte óptimo.
|
|
|
|
|
|
|
|
**Los próximos pasos son:**
|
|
|
|
|
|
|
|
- Implementar la prueba 2_2.
|
|
|
|
- Determinar el punto de corte de la confianza en base a lo definido.
|
|
|
|
- Ejecutar las pruebas ya implementadas en un entorno nativo, comenzando por la 1_1.
|
|
|
|
|
|
|
|
|
|
|
# 31 de marzo 2022
|
|
# 31 de marzo 2022
|
|
|
|
|
|
|
|
Se realizó una demo de las pruebas 1_1, 1_3 y 2_1. Surgió un inconveniente en la ejecución de la 1_3, que será revisado y corregido previo a su ejecución final. Además, se comentó que se utilizará la confianza que se obtiene en la detección para decidir si se ejecuta o no el reconocimiento.
|
|
Se realizó una demo de las pruebas 1_1, 1_3 y 2_1. Surgió un inconveniente en la ejecución de la 1_3, que será revisado y corregido previo a su ejecución final. Además, se comentó que se utilizará la confianza que se obtiene en la detección para decidir si se ejecuta o no el reconocimiento.
|
| ... | |
... | |
| ... | | ... | |
