Diferencias entre las revisiones 6 y 37 (abarca 31 versiones)

Robot Vision 2012

Experimentos realizados para la 4º edición de la competencia 'Robot Vision Challenge - ImageCLEF'.

Robot Vision 2012 Web Site

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

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
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

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

experimento_1_train1_val3_argmax_26_abril_2012.txt experimento_1_train1_val3_-0.1_26_abril_2012.txt experimento_1_train2_val3_argmax_26_abril_2012.txt experimento_1_train2_val3_-0.1_26_abril_2012.txt

None: Vision/ProyectosVision/RobotVision2012 (última edición 2013-08-10 22:52:45 efectuada por Jaarac)

-  ⇤ ← Versión 6 con fecha 2012-04-25 13:28:56 → 
  Tamaño: 890
  Editor: JorgeSanchez
  Comentario:
+   ← Versión 37 con fecha 2012-04-27 13:53:50 → ⇥
  Tamaño: 5596
  Editor: JorgeSanchez
  Comentario:
-Los textos eliminados se marcan así.
+Los textos añadidos se marcan así.
 Línea 4:
-Experimentos realizados para la 4º edición de la competencia ""Robot Vision Challenge"".
+Experimentos realizados para la 4º edición de la competencia ''''Robot Vision Challenge - ImageCLEF''''.
 Línea 8:
+== 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
-Línea 9:
+Línea 34:
+hg clone https://proyectos.ciii.frc.utn.edu.ar/hg/robot_vision_2012

== Estructura de directorios ==

 RobotVision2012/DS_..._DSIFT_.../
 
                                  trainingX/ <<BR>>

                                  trainingX.log <<BR>>

                                  trainingX_lr/ <<BR>>

                                  trainingX_lr.log <<BR>>

                                  _PCA_/ <<BR>>

                                          subspace.dat <<BR>>

                                          subspace.log <<BR>>

                                          80D/ <<BR>>

                                              trainingX/ <<BR>>

                                              trainingX.log <<BR>>

                                              trainingX_lr/ <<BR>>

                                              trainingX_lr.log <<BR>>

                                              _GMM_/ <<BR>>

                                                    u64.gmm <<BR>>                                              

                                                    u64/ <<BR>>

                                                       IFV.../ <<BR>>

                                                              trainingX/ <<BR>>

                                                              trainingX.log <<BR>>

                                                              trainingX_lr/ <<BR>>

                                                              trainingX_lr.log <<BR>>

                                                              _SGD_tr12_te3_/ <<BR>>

                                                                             hinge_20_1e-4/ <<BR>>

                                                                                           Corridor.lin <<BR>>

                                                                             hinge_20_1e-4.training3 <<BR>>

                                                                             hinge_20_1e-4.log <<BR>>
-Línea 14:
+Línea 95:
-* Descriptores: SIFT sobre grilla regular (DSIFT de vlfeat), patchs 32x32, paso=8, L2-norm., D=128
+ * Descriptores: SIFT sobre grilla regular (DSIFT de vlfeat), patchs 32x32, paso=8, L2-norm., D=128
-Línea 16:
+Línea 97:
-* PCA: subespacio aprendido sobre training1+training2+training3, D=80
+ * PCA: subespacio aprendido sobre training1+training2+training3, D=80
-Línea 18:
+Línea 99:
-* GMM: aprendido sobre training1+training2+training3
+ * GMM: aprendido sobre training1+training2+training3, para ''N = 8, 16 y 32''
-Línea 20:
+Línea 101:
-* IFV: gradientes resp. medias y varianzas, alpha=0.5, pnorm=2.0
+ * IFV: gradientes resp. medias y varianzas, alpha=0.5, pnorm=2.0
-Línea 22:
+Línea 103:
-* SGD: hinge loss, 20 iteraciones
+ * 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.
-Línea 25:
+Línea 106:
+|| ||||||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 || */
-Línea 26:
+Línea 113:
-||1||2||
||3||4||
+[[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]]

Buscar

Herramientas

Robot Vision 2012

Cosas que vamos a tener que probar

Repositorio con los scripts para replicar los experimentos

Estructura de directorios

25 abril 2012

Experimento 1

Configuración

Resultados

26 abril 2012

Experimento 1

Configuración

Resultados