|
|
|
# Índice
|
|
|
|
|
|
|
|
- [16 de marzo 2022](#16-de-marzo-2022)
|
|
|
|
- [2 de marzo 2022](#2-de-marzo-2022)
|
|
|
|
- [23 de diciembre 2021](#23-de-diciembre-2021)
|
|
|
|
- [9 de diciembre 2021](#9-de-diciembre-2021)
|
| ... | ... | @@ -17,6 +18,23 @@ |
|
|
|
- [27 de mayo 2021](#27-de-mayo-2021)
|
|
|
|
- [13 de mayo 2021](#13-de-mayo-2021)
|
|
|
|
|
|
|
|
# 16 de marzo 2022
|
|
|
|
|
|
|
|
Se planteó modificar la información retornada por las pruebas, agregando cifras significativas a la accuracy, e incorporando datos como la fecha de ejecución, nombre y género del sujeto de prueba.
|
|
|
|
|
|
|
|
Por otro lado, se plantearon algunas dudas sobre las limitaciones de la implementación. En primer lugar, las imágenes a ser procesadas a la hora de construir la base de datos de representaciones vectoriales deberán contener una única persona a representar (si hay más de una, será aquella cuyo cuadro delimitador sea mayor). En segundo lugar, la base de datos solo será actualizada con personas nuevas, no actualizando representaciones ya existentes. Por último, a la hora de reconocer una persona, se realizarán hasta dos reintentos en caso de que el reconocimiento retorne “Desconocido”. Previo a ejecutar los reintentos, se notificará de alguna manera al sujeto de prueba.
|
|
|
|
|
|
|
|
Con respecto a la posibilidad de almacenar los nombres de las personas con sus apellidos, se decidió no darle suma prioridad, ya que en la RoboCup solo se consideran los nombres de pila. De todas formas, podría implementarse más adelante.
|
|
|
|
|
|
|
|
Dado que la Prueba 1.1 es sumamente determinante, se decide ejecutarla para diez personas diferentes.
|
|
|
|
|
|
|
|
En relación a la posibilidad de evaluar los métodos con medidas alternativas a la accuracy, esto será tomado en cuenta en caso de evaluar los métodos con datasets populares, de forma de registrar su desempeño para ser comparado con otros métodos.
|
|
|
|
|
|
|
|
**Los próximos pasos son:**
|
|
|
|
|
|
|
|
- Modificar la información retornada por las pruebas de acuerdo a lo discutido.
|
|
|
|
- Continuar implementando las pruebas especificadas.
|
|
|
|
|
|
|
|
# 2 de marzo 2022
|
|
|
|
|
|
|
|
Se presentó una demo de lo trabajado hasta el momento, que incluyó el reconocimiento de rostros a tiempo real por parte de los modelos de la librería DeepFace y la implementación de FaceNet en PyTorch, utilizando ROS. Además, se mostró el reconocimiento de género y edad a tiempo real por parte de la librería DeepFace. Luego, se discutieron alternativas para la implementación de las pruebas, de lo que se concluyeron los siguientes puntos:
|
| ... | ... | |
| ... | ... | |
