Actas-de-reunión.md

@@ -29,7 +29,7 @@
 
 Se presentaron los resultados obtenidos. Si bien no hubo grandes diferencias, la variante de embedding por persona tuvo un desempeño levemente superior, tanto en accuracy como en tiempo. Además, se observó que al aumentar la cantidad de imágenes por persona se obtuvo una mejor accuracy, y el tiempo solo aumentó mínimamente. 
 
-En cuanto a la comparación de los métodos, Esler a priori tendría un mejor desempeño, pero la elección de cuál utilizar está sujeta a las próximas pruebas / está por determinarse en las próximas pruebas. 
+En cuanto a la comparación de los métodos, Esler a priori tendría un mejor desempeño, pero la elección de cuál utilizar está sujeta a las próximas pruebas. 
 
 Tomando en cuenta todo esto, se decide trabajar con un embedding por persona, considerando 5 imágenes en su armado.
 
@@ -70,7 +70,7 @@ Para no atrasar más la ejecución de las pruebas, se decide en caso de no poder
 
 Se presentaron resultados parciales de la ejecución de la Prueba 1_1, y dado que esta fue ejecutada únicamente con una variación (el sujeto a un metro de la cámara y mirando hacia ella), se decidió también ejecutar la prueba con uno o dos individuos a una distancia mayor, y de perfil. Con respecto a las distancias de las pruebas, se decidió cambiarlas de 3 y 5 metros a 1 y 2 respectivamente, considerando fotos tomadas a estas distancias.
 
-Se observó que se presentaron algunos inconvenientes a ka hora de armar la base de datos con las imágenes solicitadas a los sujetos de prueba. En el caso de DeepFace, no en todas las tomas se detectó una cara. En el caso de Esler, se detectaron caras donde no las había. Se debe resaltar que no se está filtrando las imágenes según la confianza, y realizar este filtro podría mejorar los resultados. Ante estos inconvenientes, se decide especificar una nueva prueba para registrar los valores de precisión y recall de cada modelo a la hora de generar los embeddings.
+Se observó que se presentaron algunos inconvenientes a la hora de armar la base de datos con las imágenes solicitadas a los sujetos de prueba. En el caso de DeepFace, no en todas las tomas se detectó una cara. En el caso de Esler, se detectaron caras donde no las había. Se debe resaltar que no se está filtrando las imágenes según la confianza, y realizar este filtro podría mejorar los resultados. Ante estos inconvenientes, se decide especificar una nueva prueba para registrar los valores de precisión y recall de cada modelo a la hora de generar los embeddings.
 
 **Los próximos pasos son:**