kenya-sk / deep-individual-tracker Goto Github PK

現在局所画像と密度マップの値を対応付けるのにDataFrameを使っているが、局所画像をカラムとして保持するのは問題がある。

batch毎にhard_negative_arrが初期化されていない

lossを見た感じモデルの再利用がうまくいっていない

すでにモデルがあるときは学習を再開する。現在、予測と競合するので切り替える。

movie2image.cppで出力される、ファイルが0スタートでないのでファイル名の変更とindexの振り直しを行う。

cnn_pixel.py内部で学習、再利用を分岐

現段階では全ピクセルについて局所画像を作成しているので、計算量が膨大である。そのため、スライド幅を調整しピクセルを省くことで高速化を目指す。

ファイルソートを行いやすくするために、ファイル名をゼロパディングする。

clustering.pyやaccuracy.pyのIOがベタガキ状態なので、内部の処理を統一しファイルを引数から受け取るように変更する。

tensorboardで計算過程を表示できるようにする

各関数に置いて、入出力状態の詳細を出力する

推定された密度マップを閾値を元にフィルター処理するときに、クラスターが見つからなければ適宜閾値を減らしていく。最終的に、見つからなかった場合はそのメッセージを出力。