Benutzer-Werkzeuge
ws1920:12.12.19
Unterschiede
Hier werden die Unterschiede zwischen zwei Versionen gezeigt.
| Beide Seiten der vorigen Revision Vorhergehende Überarbeitung Nächste Überarbeitung | Vorhergehende Überarbeitung | ||
|
ws1920:12.12.19 [2019/12/19 14:46] mariaring |
ws1920:12.12.19 [2020/03/19 14:49] (aktuell) justanni |
||
|---|---|---|---|
| Zeile 1: | Zeile 1: | ||
| + | |||
| + | **__Protokoll vom 12.12.19__** | ||
| **__Tagesplan__** | **__Tagesplan__** | ||
| - | - Erkenntnisse für Spotipy sammeln, Application bei Spotify registrieren, über die Gesichtsdatenbank reden | + | 1. Erkenntnisse für Spotipy sammeln |
| + | 2. Application bei Spotify registrieren | ||
| + | 3. Emotions-Teil, Gesichtsdatenbank, Tensor flow | ||
| + | |||
| + | 4. Quellen | ||
| + | |||
| + | 5. Netzwerk Infos | ||
| + | |||
| + | --------------------------------------------------------------------------------------------- | ||
| + | **__1. Erkenntnisse für Spotipy sammeln__** | ||
| + | |||
| + | - Zugangsschlüssel (token) wird gebraucht und registriert | ||
| + | --------------------------------------------------------------------------------------------- | ||
| + | **__2. Application bei Spotify registrieren__** | ||
| - Application wurde bei Spotify registriert, APOLLON ist offiziel als Developer bei Spotify registriert | - Application wurde bei Spotify registriert, APOLLON ist offiziel als Developer bei Spotify registriert | ||
| Zeile 11: | Zeile 26: | ||
| --------------------------------------------------------------------------------------------- | --------------------------------------------------------------------------------------------- | ||
| - | **__Emotions-Teil__** | ||
| - | **Festlegung Datenset:** | + | **__3. Emotions-Teil__** |
| + | |||
| + | __Festlegung Datenset:__ | ||
| Um unser neuronales Netzwerk zu trainieren und zu testen, brauchen wir einen gelabelten Datensatz. Als Label brauchen wir mindestens die Kategorien Angry, Sad, Happy und Relaxed (oder eben die Dimensionen Valenz und Arousal). | Um unser neuronales Netzwerk zu trainieren und zu testen, brauchen wir einen gelabelten Datensatz. Als Label brauchen wir mindestens die Kategorien Angry, Sad, Happy und Relaxed (oder eben die Dimensionen Valenz und Arousal). | ||
| Zeile 22: | Zeile 38: | ||
| Eine Internet-Recherche über mögliche Datensätze ergibt sehr viele Möglichkeiten für Gesichts-Datensätze mit Labels (Siehe auch Wikipedia Übersicht aus der ersten Sitzung). | Eine Internet-Recherche über mögliche Datensätze ergibt sehr viele Möglichkeiten für Gesichts-Datensätze mit Labels (Siehe auch Wikipedia Übersicht aus der ersten Sitzung). | ||
| - | |||
| --------------------------------------------------------------------------------------------- | --------------------------------------------------------------------------------------------- | ||
| - | **__Quellen__** | + | **__4. Quellen__** |
| Posed: | Posed: | ||
| Zeile 41: | Zeile 56: | ||
| https://www.kaggle.com/c/challenges-in-representation-learning-facial-expression-recognition-challenge/data | https://www.kaggle.com/c/challenges-in-representation-learning-facial-expression-recognition-challenge/data | ||
| - | + | --------------------------------------------------------------------------------------------- | |
| - | + | **__4. Recherche__** (wie man anfangen könnte) | |
| - | Recherche, wie fängt man an? | + | |
| - | Hier sind ein paar der gefundenen Ressourcen: | + | |
| https://www.freecodecamp.org/news/facial-emotion-recognition-develop-a-c-n-n-and-break-into-kaggle-top-10-f618c024faa7/ | https://www.freecodecamp.org/news/facial-emotion-recognition-develop-a-c-n-n-and-break-into-kaggle-top-10-f618c024faa7/ | ||
| Zeile 56: | Zeile 69: | ||
| https://machinelearningmastery.com/tutorial-first-neural-network-python-keras/ | https://machinelearningmastery.com/tutorial-first-neural-network-python-keras/ | ||
| + | ------------------------------------------------------------------------------------------ | ||
| - | Tensor flow | + | **__4. Projekt EmoPy__** (macht ähnliches wie wir) |
| - | + | ||
| - | Es gibt ein Projekt, welches so was ähnliches macht wie wir…. | + | |
| - | Sehr spannend um mal reinzuschauen: | + | |
| - | + | ||
| - | Projekt EmoPy | + | |
| https://github.com/thoughtworksarts/EmoPy | https://github.com/thoughtworksarts/EmoPy | ||
| Zeile 71: | Zeile 80: | ||
| https://thoughtworksarts.io/blog/recognizing-facial-expressions-machine-learning/ | https://thoughtworksarts.io/blog/recognizing-facial-expressions-machine-learning/ | ||
| + | ---------------------------------------------------------------------------------------- | ||
| + | **__5. Netzwerk Infos__** | ||
| - | Festlegung: Wir versuchen es erstmal mit diesem Datensatz! | + | Plan, was unser Netzwerk machen soll: |
| - | (Bilder sind schwarz weiß und klein, viele Bilder) | + | |
| - | Aber wir nehmen nur 4 Kategorien :) | + | |
| - | + | ||
| - | So, wie fangen wir nun an ein Netzwerk aufzusetzen? | + | |
| - | Erstmal einen Plan machen, was unser Netzwerk machen soll! | + | |
| - | (Siehe Notizen mit der Hand) | + | |
| - | Infos: | + | Anhand eines Bildes soll die Emotion erkannt werden. |
| - | -in der Dokumentation vom 05.12.19 ist ein Fehler, In 2. haben wir zwar eine Datenbank gehabt, jedoch war es keine "Spotipy-Datenbank" sondern eine unabhängige. | + | Festlegung: |
| + | - wir nehmen den Datensatz dass die vielen Bilder schwarz/weiß und klein sind | ||
| + | - wir einigen uns auf 4 Kategorien | ||
| + | -------------------------------------------------------------------------------------------- | ||
| + | Du willst zu dem nächsten Beitrag gelangen? | ||
| + | Hier kommst du zum nächsten Beitrag: [[09.01.20]] | ||
ws1920/12.12.19.1576763160.txt.gz · Zuletzt geändert: 2019/12/19 14:46 von mariaring
Seiten-Werkzeuge
