##Borrar esta linea y dejar la siguiente que permite que ésta página sea pública
#acl -All:read Jaarac:read,write,delete,revert,admin JorgeSanchez:read,write,delete,revert,admin
= Robot Vision 2012 =
Experimentos realizados para la 4º edición de la competencia ''''Robot Vision Challenge - ImageCLEF''''.
[[http://www.imageclef.org/2012/robot|Robot Vision 2012 Web Site]]
== Tareas ==
* --(experimentos con pirámides espaciales)--
* usar el detector de transiciones con NGAUSS=64, 128 y 256
* buscar implementaciones y evaluar descriptores RGBD
* ver algunos descriptores de colores
== Cosas que vamos a tener que probar ==
* --(Aumentar los conjuntos de datos con la versión espejada de las imágenes)--
* Algún pre-procesamiento para estabilizar el "motion blur" y el "flickering"
* Debluring:
* http://www.di.ens.fr/willow/research/deblurring/ (código en matlab)
* http://grail.cs.washington.edu/projects/mdf_deblurring/
* Flickering: se puede probar trabajar en aglún espacio de color que sea robusto frente a cambios afines en la iluminación
* Descriptores de colores
* J. van de Weijer, C. Schmid, J. Verbeek, D. Larlus, ''Learning Color Names for Real-World Applications'', IEEE TIP, 2009.
http://lear.inrialpes.fr/people/vandeweijer/color_names.html
* K. van de Sande, T. Gevers and C. Snoek, ''Evaluating Color Descriptors for Object and Scene Recognition'', IEEE TPAMI, 2010
http://koen.me/research/colordescriptors
== Datasets ==
=== Imágenes de ejemplo ===
* En training1 el recorrido del robot es contrario al caso de training[23].
* Las imágenes de training3 son tomadas de noche
==== Training1 ====
[[attachment:training1_rgb_69.jpg|{{attachment:training1_rgb_69.jpg|rgb_69|width=200}}]]
[[attachment:training1_rgb_71.jpg|{{attachment:training1_rgb_71.jpg|rgb_71|width=200}}]]
[[attachment:training1_rgb_73.jpg|{{attachment:training1_rgb_73.jpg|rgb_73|width=200}}]]
[[attachment:training1_rgb_75.jpg|{{attachment:training1_rgb_75.jpg|rgb_75|width=200}}]]
==== Training2 ====
[[attachment:training2_rgb_93.jpg|{{attachment:training2_rgb_93.jpg|rgb_93|width=200}}]]
[[attachment:training2_rgb_95.jpg|{{attachment:training2_rgb_95.jpg|rgb_95|width=200}}]]
[[attachment:training2_rgb_97.jpg|{{attachment:training2_rgb_97.jpg|rgb_97|width=200}}]]
[[attachment:training2_rgb_99.jpg|{{attachment:training2_rgb_99.jpg|rgb_99|width=200}}]]
==== Training3 ====
[[attachment:training3_rgb_60.jpg|{{attachment:training3_rgb_60.jpg|rgb_60|width=200}}]]
[[attachment:training3_rgb_62.jpg|{{attachment:training3_rgb_62.jpg|rgb_62|width=200}}]]
[[attachment:training3_rgb_64.jpg|{{attachment:training3_rgb_64.jpg|rgb_64|width=200}}]]
[[attachment:training3_rgb_66.jpg|{{attachment:training3_rgb_66.jpg|rgb_66|width=200}}]]
== Repositorio con los scripts para replicar los experimentos ==
hg clone https://proyectos.ciii.frc.utn.edu.ar/hg/robot_vision_2012
== Estructura de directorios ==
RobotVision2012/DS_..._DSIFT_.../
trainingX/ <
>
trainingX.log <
>
trainingX_lr/ <
>
trainingX_lr.log <
>
_PCA_/ <
>
subspace.dat <
>
subspace.log <
>
80D/ <
>
trainingX/ <
>
trainingX.log <
>
trainingX_lr/ <
>
trainingX_lr.log <
>
_GMM_/ <
>
u64.gmm <
>
u64/ <
>
IFV.../ <
>
trainingX/ <
>
trainingX.log <
>
trainingX_lr/ <
>
trainingX_lr.log <
>
_SGD_tr12_te3_/ <
>
hinge_20_1e-4/ <
>
Corridor.lin <
>
hinge_20_1e-4.training3 <
>
hinge_20_1e-4.log <
>
== 25 abril 2012 ==
=== Experimento 1 ===
==== Configuración ====
* Descriptores: SIFT sobre grilla regular (DSIFT de vlfeat), patchs 32x32, paso=8, L2-norm., D=128, 5 escalas, factor=0.707
* PCA: subespacio aprendido sobre training1+training2+training3, D=80
* GMM: aprendido sobre training1+training2+training3, para ''N = 8, 16 y 32''
* IFV: gradientes resp. medias y varianzas, alpha=0.5, pnorm=2.0
* SGD: hinge loss, ''20, 50 y 100'' iteraciones, ''lambda = 1e-2, 1e-3 y 1e-4'', training sobre ''training1'' y testeando sobre ''training2''. La clasificación se realizo con argmax.
==== Resultados ====
|| ||||||20 iteraciones||||||||50 iteraciones||||||||100 iteraciones||
||lambda\ngauss||8||16||32||||8||16||32||||8||16||32||
||1e-3|| 1382 || 1334 || 1414 |||| 1376 || 1352 || 1426 |||| 1382 || 1356 || 1422 ||
||1e-4|| '''1462''' || '''1422''' || '''1466''' |||| 1462 || 1400 || 1478 |||| 1462 || 1396 || 1476 ||
||1e-5|| 1318 || 1402 || 1444 |||| 1358 || 1368 || 1394 |||| 1378 || 1384 || 1322 ||
/* ||1e-2|| 872 || 984 || 928 |||| 886 || 990 || 930 |||| 890 || 992 || 940 || */
[[attachment:experimento_1_25_abril_2012.txt]]
== 26 abril 2012 ==
=== Experimento 1 ===
==== Configuración ====
* Igual que el experimento anterior, pero se agrego 64 gaussianas.
* SGD: hinge loss, ''20'' iteraciones, ''lambda = 1e-4'', training sobre ''training1'' o ''training2'' y testeando siempre sobre ''training3''. La clasificación se realizo con argmax y con thr=-0.1.
==== Resultados ====
|| ||||||||20 iteraciones, argmax, train1 ||||||||||20 iteraciones, thr=-0.1, train1||||||||||20 iteraciones, argmax, train2||||||||||20 iteraciones, thr=-0.1, train2||
||l\ng||8||16||32||64||||8||16||32||64||||8||16||32||64||||8||16||32||64||
||1e-4|| -405 || -153 || -127 || -161 |||| 194 || 362 || 355 || 399 |||| -361 || -87 || 1 || 35 |||| 226 || 421 || 471 || 553 ||
[[attachment:experimento_1_train1_val3_argmax_26_abril_2012.txt]]
[[attachment:experimento_1_train1_val3_-0.1_26_abril_2012.txt]]
[[attachment:experimento_1_train2_val3_argmax_26_abril_2012.txt]]
[[attachment:experimento_1_train2_val3_-0.1_26_abril_2012.txt]]
== 3 mayo 2012 ==
=== Experimento 1 ===
Se realiza una prueba con distintos valores de DSIFT_STEP (8 y 16) y aumento el conjunto de entrenamiento haciendo un flip left-right de las imágenes antes de calcular DSIFT. Flip=0, indica sin aumentar el conjunto; Flip=1 indica aumentando el conjunto de entrenamiento con las imágenes flipeadas.
Al final de este experimento se muestra la configuración que resulta más apropiada.
==== Configuración ====
* SGD LBD=1e-4, 20 iteraciones
* Using ''argmax'' for classification
==== Resultados ====
===== Flip=0 =====
* DSIFT step=8
|||| |||||||||||||||| NGAUSS ||
|| Tr. || Te. || 8 || 16 || 32 || 64 || 128 || 256 || 512 || 1024 ||
|| 1,2 || 3 || -289 || 29 || 59 || 79 || 185 || 267 || 319 || 445 ||
|| 2,3 || 1 || 935 || 1195 || 1141 || 1173 || 1183 || 1251 || 1225 || 1293 ||
|| 3,1 || 2 || 1162 || 1374 || 1390 || 1456 || 1584 || 1658 || 1668 || 1632 ||
|||| Avg. || 603 || 866 || 863 || 903 || 984 || 1059 || 1071 || 1123 ||
* DSIFT step=16
|||| |||||||||||||||| NGAUSS ||
|| Tr. || Te. || 8 || 16 || 32 || 64 || 128 || 256 || 512 || 1024 ||
|| 1,2 || 3 || -161 || -9 || 19 || 25 || 225 || 191 || 299 || 371 ||
|| 2,3 || 1 || 897 || 1129 || 1221 || 1143 || 1101 || 1095 || 1175 || 1179 ||
|| 3,1 || 2 || 1160 || 1252 || 1392 || 1424 || 1412 || 1528 || 1552 || 1524 ||
|||| Avg. || 632 || 791 || 877 || 864 || 913 || 938 || 1009 || 1025 ||
===== Flip=1 =====
* DSIFT step=8
|||| |||||||||||||||| NGAUSS ||
|| Tr. || Te. || 8 || 16 || 32 || 64 || 128 || '''256''' || 512 || 1024 ||
|| 1,2 || 3 || -357 || -105 || 45 || 59 || 185 || '''199''' || 233 || 411 ||
|| 2,3 || 1 || 1569 || 1703 || 1787 || 1795 || 1887 || '''1949''' || 1995 || 1999 ||
|| 3,1 || 2 || 1666 || 1880 || 2018 || 2076 || 2142 || '''2182''' || 2182 || 2190 ||
|||| Avg. || 959 || 1159 || 1283 || 1310 || 1405 || '''1443''' || 1470 || 1533 ||
* DSIFT step=16
|||| |||||||||||||||| NGAUSS ||
|| Tr. || Te. || 8 || 16 || 32 || 64 || 128 || 256 || 512 || 1024 ||
|| 1,2 || 3 || -211 || 11 || 31 || -15 || 233 || 149 || 263 || 373 ||
|| 2,3 || 1 || 1447 || 1651 || 1693 || 1791 || 1857 || 1901 || 1945 || 1909 ||
|| 3,1 || 2 || 1642 || 1744 || 1944 || 2032 || 2126 || 2128 || 2150 || 2140 ||
|||| Avg. || 959 || 1135 || 1223 || 1269 || 1405 || 1393 || 1453 || 1474 ||
[[attachment:results_3_de_mayo_2012.tar.gz]]
* Configuración: 256 Gaussianas, DSIFT step=8, flip=1
== 4 mayo 2012 ==
=== Experimento 1 ===
Se prueba oscureciendo las imágenes de entrenamiento del clasificador. El oscurecimiento se realiza multiplicando las intensidades de los pixeles de las imágenes por un factor menor a 1. Se probo con factores de 0.33 y 0.5. En este experimento no se actualizó el modelo .gmm con los nuevos descriptores con flip y oscurecidos.
==== Configuración ====
* SGD LBD=1e-4, 20 iteraciones, 256 Gaussianas, DSIFT step=8, flip=1
* Using ''argmax'' for classification
==== Resultados ====
|||| NGAUSS=256 |||||| srange ||
|| Tr. || Te. || 1.0 || 0.33 || 0.5 ||
|| 1,2 || 3 || 199 || 229 || 221 ||
|| 2,3 || 1 || 1949 || 1949 || 1945 ||
|| 3,1 || 2 || 2182 || 2180 || 2180 ||
|||| Avg. || 1443 || 1452 || 1449 ||
== 5 mayo 2012 ==
=== Experimento 1 ===
Se prueba oscureciendo las imágenes de entrenamiento del clasificador. El oscurecimiento se realiza multiplicando las intensidades de los pixeles de las imágenes por un factor menor a 1. Se probo con factores de 0.33 y 0.5. En este experimento si se actualizó el modelo .gmm con los nuevos descriptores generados con flip y con oscurecimiento.
==== Configuración ====
* SGD LBD=1e-4, 20 iteraciones, 256 Gaussianas, DSIFT step=8, flip=1
* Using ''argmax'' for classification
==== Resultados ====
|||| NGAUSS=256 |||||| srange ||
|| Tr. || Te. || 1.0 || 0.1 || 0.33 || 0.5 ||
|| 1,2 || 3 || 199 || 187 || 195 || 171 ||
|| 2,3 || 1 || 1949 || 1975 || 1945 || 1965 ||
|| 3,1 || 2 || 2182 || 2154 || 2166 || 2180 ||
|||| Avg. || 1443 || 1439 || 1435 || 1439 ||
== 7 mayo 2012 ==
=== Experimento 1 ===
Se prueba utilizando feature augmentation. En este experimento si se actualizó el modelo .gmm con los descriptores generados con flip de las imágenes.
Con aug=1 o aug=0 se indica el uso o no de feature augmentation respectivamente.
==== Configuración ====
* SGD LBD=1e-4, 20 iteraciones, 64 Gaussianas, DSIFT step=8, flip=[0,1]
* Using ''argmax'' for classification
==== Resultados ====
|||| NGAUSS=64 |||| flip=0 |||| flip=1 ||
|| Tr. || Te. || aug=0|| aug=1 || aug=0|| aug=1 ||
|| 1,2 || 3 || 77 || 87 || 257 || 33 ||
|| 2,3 || 1 || 1173 || 1207 || 1801 || 1783 ||
|| 3,1 || 2 || 1440 || 1528 || 2080 || 2014 ||
|||| Avg. || 897 || 941 || 1379 || 1277 ||
* Comparación usando en ambos casos imágenes de entrenamiento originales y flipeadas, pero en el primer caso entrenando el modelo .gmm solo en las imágenes originales (gmm_flip=0) y en el segundo caso utilizando las imágenes originales y las flipeadas (gmm_flip=1). No se usó feature augmentation.
|||| NGAUSS=64 |||| flip=1 ||
|| Tr. || Te. || gmm_flip=0 || gmm_flip=1 ||
|| 1,2 || 3 || 59 || 257 ||
|| 2,3 || 1 || 1795 || 1801 ||
|| 3,1 || 2 || 2076 || 2080 ||
|||| Avg. || 1310 || 1379 ||
== 8 mayo 2012 ==
=== Experimento 1 ===
Se prueba utilizando feature augmentation. En este experimento si se actualizó el modelo .gmm con los descriptores generados con flip de las imágenes.
Con aug=1 o aug=0 se indica el uso o no de feature augmentation respectivamente.
==== Configuración ====
* SGD LBD=1e-4, 20 iteraciones, 128 Gaussianas, DSIFT step=8, flip=[0,1]
* Using ''argmax'' for classification
==== Resultados ====
|||| NGAUSS=128 |||| flip=0 |||| flip=1 ||
|| Tr. || Te. || aug=0 || aug=1 || aug=0|| aug=1 ||
|| 1,2 || 3 || 191 || 115 || 195 || 39 ||
|| 2,3 || 1 || 1189 || 1255 || 1887 || 1905 ||
|| 3,1 || 2 || 1582 || 1618 || 2132 || 2098 ||
|||| Avg. || 987 || 996 || 1405 || 1347 ||
== 9 mayo 2012 ==
=== Experimento 1 ===
Se prueba utilizando pirámides espaciales. Las configuraciones usadas son "sp1x1,lsf=0,gsf=0" (spyr=0), "sp1x1,sp1x3,lsf=0,gsf=0" (spyr=1) y "sp1x1,sp1x3,lsf=0.33,gsf=0.33" (spyr=2).
==== Configuración ====
* SGD LBD=1e-4, 20 iteraciones, 64 Gaussianas, DSIFT step=8, flip=[0,1]
* Using ''argmax'' for classification
==== Resultados ====
|||| NGAUSS=64 |||||| flip=0 |||||| flip=1 ||
|| Tr. || Te. || spyr=0 || spyr=1 || spyr=2 || spyr=0 || spyr=1 || spyr=2||
|| 1,2 || 3 || 77 || -413 || -41 || 257 || -458 || 201 ||
|| 2,3 || 1 || 1173 || 1123 || 1029 || 1801 || 1773 || 1791 ||
|| 3,1 || 2 || 1440 || 1412 || 1358 || 2080 || 2078 || 2084 ||
|||| Avg. || 897 || 707 || 782 || 1379 || 1122 || 1359 ||
== 11 mayo 2012 ==
=== Experimento 1 ===
Se prueba utilizando opponent SIFT. El software utilizado para calcular los descriptores es [[http://koen.me/research/colordescriptors|colorDescriptor]]. Estos cálculos se realizaron sobre la notebook de jaarac, por eso pueden variar con los que se calcularon antes.
==== Configuración ====
* Descriptor: OPP_SIFT, step=16, sampling_scale=1.6
* SGD LBD=1e-4; 20 iteraciones; 16, 32 y 64 Gaussianas; flip=0
* Using ''argmax'' for classification
==== Resultados ====
|||| OPPSIFT |||||| flip=0 ||
|| Tr. || Te. || 16 || 32 || 64 ||
|| 1,2 || 3 || -231 || -173 || -17 ||
|| 2,3 || 1 || 1161 || 1217 || 1221 ||
|| 3,1 || 2 || 1538 || 1598 || 1664 ||
|||| Avg. || 823 || 881 || 956 ||
=== Experimento 2 ===
Se evaluó el detector de transiciones y distintas formas de realizar la clasificación. Con el detector de transiciones no se obtuvieron mejoras, así que los datos no fueron subidos.
==== Configuración ====
* Los resultados mostrados son promedios sobre los scores obtenidos para las 3 configuraciones de conjuntos posibles para valores de 64, 128 y 256 gaussianas.
* Descriptor: DSIFT, step=8
* SGD LBD=1e-4; 20 iteraciones; Gaussianas; flip=0
==== Resultados ====
* Aplicando un umbral a la diferencia entre el mayor y el segundo mayor score para decidir si clasificamos o no. La clasificación posterior se realizó con argmax. Solamente se muestran umbrales hasta 0.9, porque para umbrales menores los scores son muy bajos. El umbral 0.0 sería el baseline, o sea siempre clasificamos.
||umbral||0.0 ||0.1 ||0.2 ||0.3 ||0.4 ||0.5 ||0.6 ||0.7 ||0.8 ||0.9 ||
||avg ||979.556||1035.44||1072||1095.78||'''1103.44'''||1102.67||1088.56||1058.56||1021.11||972.111||
* Utilizando un umbral sobre el mayor score de clasificación, para decidir cuando clasificar. Luego se elige la clase del mayor score.
||umbral||-1.0 ||-0.9 ||-0.8 ||-0.7 ||-0.6 ||-0.5 ||-0.4 ||-0.3 ||-0.2 ||-0.1 ||0.0 ||0.1 ||0.2 ||
||avg ||980.444||983.778||996.667||1019.56||1051.67||1095.89||1136.56||1172.44||'''1185'''||1166.78||1120.44||1056.67||979.444||
* Utilizando un umbral sobre abs(max_score)/(max_score - secondmax_score) para decidir cuando clasificar.
||umbral||0.6 ||0.7 ||0.8 ||0.9 ||1.0 ||1.1 ||1.2 ||1.3 ||1.4 ||1.5 ||1.6 ||1.7 ||1.8 ||1.9 ||2.0||
||avg ||1050||1123||'''1139'''||'''1139'''||1137||1131||1128||1123||1120||1118||1111.44||1107||1103||1101||1099||
== 18 mayo 2012 ==
=== Experimento 1 ===
Se prueba utilizando el detector de transiciones, pero se generan nuevos conjuntos de entrenamiento a partir de los originales (feature_packer, feature_sampler).
==== Configuración ====
* Descriptor: DSIFT, step=8, ;SGD LBD=1e-4, 20 iteraciones; 64, 128 y 256 Gaussianas; flip=0
* Entrenando cls (lbd=1e-4) y td (lbd=1e-2,1e-3,1e-4) sobre training1 y training2. Entrenando cls+td (lbd=1e-2,1e-3,1e-4) sobre los nuevos conjuntos training1 y training2 generados con probabilidad P de sacar un descriptor de la imagen original. Se usaron probabilidades P = 0.3, 0.5, 0.66, 0.75 . El detector de transiciones se uso con thr = 0.7, 0.8, 0.9 .
* Using ''argmax'' for classification
==== Resultados ====
Resultados para las condiciones que resultaron más favorables, esto es:
* cls_sgd_lbd = 1e-4
* td_sgd_lbd = 1e-2
* cls+td_sgd_lbd = 1e-2
* P = 0.75
* thr = 0.8
||||set conf |||||| BL |||||| with TD, P=0.75, thr=0.8 ||
|| Tr. || Te. || 64 || 128 || 256 || 64 || 128 || 256 ||
|| 1,2 || 3 || 77 || 191 || 253 || 51 || 175 || 241 ||
|| 2,3 || 1 || 1173 || 1189 || 1267 || 1151 || 1181 || 1271 ||
|| 3,1 || 2 || 1440 || 1582 || 1644 || 1418 || 1554 || 1632 ||
|||| Avg. || 897 || 987 || 1055 || 873 || 970 || 1048 ||
Resultados para otras condiciones:
* cls_sgd_lbd = 1e-4
* td_sgd_lbd = 1e-4
* cls+td_sgd_lbd = 1e-4
* P = 0.75
* thr = 0.8
||||set conf |||||| BL |||||| with TD, P=0.75, thr=0.8 ||
|| Tr. || Te. || 64 || 128 || 256 || 64 || 128 || 256 ||
|| 1,2 || 3 || 77 || 191 || 253 || -43 || 79 || 165 ||
|| 2,3 || 1 || 1173 || 1189 || 1267 || 1187 || 1075 || 1121 ||
|| 3,1 || 2 || 1440 || 1582 || 1644 || 1266 || 1424 || 1540 ||
|||| Avg. || 897 || 987 || 1055 || 803 || 859 || 942 ||
En el siguiente archivo están todos los resultados. Los archivos *_with_td.txt contienen los resultados usando TD y los otros archivos el baseline. Hay un archivo para cada configuración de conjuntos de training y test. Las datos están organizados de la siguiente forma:
||P||ngauss||cls_lbd||td_lbd||td_thr||cls+td_lbd||score||
[[attachment:results_18_mayo_2012.tar.gz|results_18_mayo_2012.tar.gz]]
== 29 mayo 2012 ==
=== Experimento 1 ===
Se realizan nuevamente los experimentos porque hubo errores con las etiquetas entregadas por los organizadores. También se muestran los resultados usando SIFT sobre las imágenes de profundidad.
==== Configuración ====
* Descriptor RGB: DSIFT, step=8, image_presc=1, dsift_fs=0.707, dsift_ns=5
* Descriptor Depth: DSIFT, step=8, image_presc=0.5, dsift_fs=0.707, dsift_ns=5
* SGD LBD=1e-4, 20 iteraciones; 64, 128 y 256 Gaussianas; flip=0
* Using ''argmax'' for classification
==== Resultados ====
||||set conf |||||| RGB |||||| Depth |||||| Late fusion w=0.5 ||
|| Tr. || Te. || 64 || 128 || 256 || 64 || 128 || 256 || 64 || 128 || 256 ||
|| 1,2 || 3 || 77 || 191 || 253 || 23 || 159 || 349 || 433 || 599 || 681 ||
|| 2,3 || 1 || 1189 || 1199 || 1285 || 431 || 465 || 541 || 1031 || 1089 || 1069 ||
|| 3,1 || 2 || 1462 || 1592 || 1648 || 1108 || 1206 || 1226 || 1772 || 1822 || 1862 ||
|||| Avg. || 909 || 994 || 1062 || 521 || 610 || 705 || 1079 || 1170 || 1204 ||
== 30 mayo 2012 ==
=== Experimento 1 ===
Resultados usando SIFT sobre las imágenes de profundidad usando image_presc=0.5 e image_presc=1.0.
==== Configuración ====
* Descriptor Depth: DSIFT, step=8, image_presc=[0.5, 1.0], dsift_fs=0.707, dsift_ns=5
* SGD LBD=1e-4, 20 iteraciones; 64, 128, 256 y 512 Gaussianas; flip=0
* Using ''argmax'' for classification
==== Resultados ====
||||set conf |||||| image_presc=0.5 |||||| image_presc=1.0 ||
|| Tr. || Te. || 64 || 128 || 256 || 512 || 64 || 128 || 256 || 512 ||
|| 1,2 || 3 || 23 || 159 || 349 || || -335 || 7 || 203 || 309 ||
|| 2,3 || 1 || 431 || 465 || 541 || || 465 || 571 || 609 || 617 ||
|| 3,1 || 2 || 1108 || 1206 || 1226 || || 1116 || 1194 || 1226 || 1272 ||
|||| Avg. || 521 || 610 || 705 || || 415 || 591 || 679 || 733 ||
=== Experimento 2 ===
Late fusion sobre RGB y DSIFT. Comparación usando image_presc=[0.5,1.0]
==== Configuración ====
* Descriptor RGB: DSIFT, step=8, image_presc=1, dsift_fs=0.707, dsift_ns=5
* Descriptor Depth: DSIFT, step=8, image_presc=[0.5,1.0], dsift_fs=0.707, dsift_ns=5
* SGD LBD=1e-4, 20 iteraciones; 64, 128 y 256 Gaussianas; flip=0
* Using ''argmax'' for classification
==== Resultados ====
||||set conf |||||| Late fusion image_presc=0.5 w=0.5 |||||||| Late fusion image_presc=1.0 w=0.5||
|| Tr. || Te. || 64 || 128 || 256 || 64 || 128 || 256 || 512 ||
|| 1,2 || 3 || 433 || 599 || 681 || 249 || 527 || 687 || 685 ||
|| 2,3 || 1 || 1031 || 1089 || 1069 || 1041 || 1083 || 1103 || 1091 ||
|| 3,1 || 2 || 1772 || 1822 || 1862 || 1766 || 1828 || 1890 || 1850 ||
|||| Avg. || 1079 || 1170 || 1204 || 1018 || 1146 || 1227 || 1209 ||