|
|
|
# Índice
|
|
|
|
|
|
|
|
- [29 de noviembre 2021](#29-de-noviembre-2021)
|
|
|
|
- [4 de noviembre 2021](#4-de-noviembre-2021)
|
|
|
|
- [18 de octubre 2021](#18-de-octubre-2021)
|
|
|
|
- [23 de setiembre 2021](#23-de-setiembre-2021)
|
| ... | ... | @@ -13,6 +14,19 @@ |
|
|
|
- [27 de mayo 2021](#27-de-mayo-2021)
|
|
|
|
- [13 de mayo 2021](#13-de-mayo-2021)
|
|
|
|
|
|
|
|
# 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.
|
|
|
|
|
|
|
|
También, se mostró brevemente el documento de análisis de resultados obtenidos sobre la predicción de raza, género y edad, y los tutores sugirieron ciertos cambios y adiciones.
|
|
|
|
|
|
|
|
**Los próximos pasos son:**
|
|
|
|
|
|
|
|
- Ejecutar el script de evaluación con WIDER Face para los detectores que utiliza la biblioteca Deepface. Luego, comparar los resultados con los obtenidos al evaluar el otro método de detección.
|
|
|
|
- Configurar la placa Jetson Nano para poder trabajar con ella.
|
|
|
|
- Modificar el documento presentado según lo sugerido.
|
|
|
|
|
|
|
|
|
|
|
|
# 4 de noviembre 2021
|
|
|
|
|
|
|
|
Se mostró la distribución de edad, género y raza de los datasets con los que se entrenaron los modelos utilizados por la librería Deepface. Se obervó que la distribución de género es muy desbalanceada, teniendo la mitad de ejemplos correspondientes al sexo femenino de los que se tienen para el masculino. En cuanto a la edad, también se observa una concentración de ejemplos de edades entre 20 y 30 años.
|
| ... | ... | |
| ... | ... | |
