Actas-de-reunión.md

 # Índice
 
+- [9 de diciembre 2021](#9-de-diciembre-2021)
 - [29 de noviembre 2021](#29-de-noviembre-2021)
 - [4 de noviembre 2021](#4-de-noviembre-2021)
 - [18 de octubre 2021](#18-de-octubre-2021)
@@ -14,6 +15,20 @@
 - [27 de mayo 2021](#27-de-mayo-2021)
 - [13 de mayo 2021](#13-de-mayo-2021)
 
+# 9 de diciembre 2021
+
+Se mostraron gráficas comparativas de los métodos de detección MTCNN que proveen la librería deepface y la implementación de Esler. Se observó que las diferencias eran pequeñas, por lo que se considera que lo mejor es decidir el método a utilizar luego de realizar pruebas en escenarios reales.
+
+Con respecto a esto mismo, se observó que los métodos evaluados no se encuentran dentro de los que obtienen mejores resultados. Se considera que esto puede deberse al conjunto de entrenamiento utilizado, por lo que se investigará qué conjuntos utilizaron para entrenar tanto los métodos que se quieren evaluar, como aquellos contra los cuales se los compara.
+
+Por otro lado, se comentó que al intentar configurar la Jetson Nano, a esta se le agotó rápidamente el espacio de almacenamiento. Se decide entonces probar con una tarjeta SD con mayor capacidad (32GB o 64GB).
+
+**Los próximos pasos son:**
+
+- Configurar Jetson Nano.
+- Investigar los conjuntos de entrenamiento de los métodos de detección utilizados.
+- Especificar escenarios de prueba reales, de manera que estos sean fácilmente reproducibles. Para estos escenarios, se deben considerar las posibles variaciones de luz, posición del rostro y otras variantes que puedan afectar la escena. En particular, dado que el robot suele ser más pequeño que una persona, es de interés trabajar con rostros vistos desde abajo.
+
 # 29 de noviembre 2021
 
 Se mostraron las gráficas generadas al evaluar el método de detección de rostros MTCNN provisto por la implementación de FaceNet en PyTorch.