Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen gezeigt.

--- ws1920:21.11.2019 [2019/11/28 22:09]
mariaring angelegt
+++ ws1920:21.11.2019 [2019/12/01 22:15] (aktuell)
mariaring
@@ Zeile 1: / Zeile 1: @@
-Rating Daten erheben Protokoll 21.11.2019
+__**Protokoll vom 21.11.2019**__
-Beschäftigung mit den Hinweisen von Stefan Anschauen ähnlicher Projekte, die bereits in Mathesis umgesetzt wurden weitere Quellen suchen https://medium.com/themlblog/how-to-do-facial-emotion-recognition-using-a-cnn-b7bbae79cd8f
+	Beschäftigung mit den Hinweisen von Stefan
+	Anschauen ähnlicher Projekte, die bereits in Mathesis umgesetzt wurden
+-----------------------------------------------------------------------------------------------------------
+__**Quellen:**__
+https://medium.com/themlblog/how-to-do-facial-emotion-recognition-using-a-cnn-b7bbae79cd8f
 https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6514572/
@@ Zeile 7: / Zeile 13: @@
 https://iopscience.iop.org/article/10.1088/1742-6596/1193/1/012004/pdf
-https://medium.com/ai³-theory-practice-business/ai-scholar-deep-learning-facial-expression-recognition-research-fcaa0a9984b6
+https://medium.com/ai-theory-practice-business/ai-scholar-deep-learning-facial-expression-recognition-research-fcaa0a9984b6
 https://www.kaggle.com/c/challenges-in-representation-learning-facial-expression-recognition-challenge/overview
@@ Zeile 13: / Zeile 19: @@
 https://towardsdatascience.com/face-detection-recognition-and-emotion-detection-in-8-lines-of-code-b2ce32d4d5de
-FAZIT: wir müssen uns erstmal mit neuronalen Netzwerken beschäftigen (Wie funktionieren diese, was können diese, Implementation in Python?)
+Für Bilder: http://academictorrents.com/details/71631f83b11d3d79d8f84efe0a7e12f0ac001460
-Hinweise von Stefan Born Entscheidend ist, dass sich (große) öffentliche Datensätze finden, bei denen Bilder, bzw. Musikstücke mit ästhetischen bzw. Stimmungs-Labels versehen sind.
+Für Musik: https://cs.nju.edu.cn/sufeng/data/musicmood.htm
-Für Bilder gibt es etwa das: http://academictorrents.com/details/71631f83b11d3d79d8f84efe0a7e12f0ac001460
-Für Musik das (ein bisschen klein, kann sein, dass es bessere gibt): https://cs.nju.edu.cn/sufeng/data/musicmood.htm
 Mit Labels, die mehr das Genre betreffen (aber zumindest indirekt auch was mit Stimmungen zu tun haben):
 http://millionsongdataset.com/
-Interessant auch https://github.com/neokt/audio-music-mood-classification https://neokt.github.io/projects/audio-music-mood-classification/
+Interessant auch https://github.com/neokt/audio-music-mood-classificationhttps://neokt.github.io/projects/audio-music-mood-classification/
-Stimmungsklassifikation von Bildern ist nicht ganz einfach. Die funktionierenden Methoden beruhen darauf, neuronale Netzwerke auf Features zu trainieren, die ihrerseits aus den mittleren Schichten von neuronalen Netzwerken kommen, die _für andere Aufgaben_ trainiert wurden. (Typischerweise die Gewinner der großen ImageNet-Challenges, bei denen es um Bildklassifikation geht, AlexNet, ResNet,…) Es kann sich lohnen, außerdem noch summarische Statistiken der Bildfarben o.ä. als Eingabe zu verwenden. Ein typisches Beispiel ist hier:
+---------------------------------------------------------------------------------------------------------
+**__Zu beachten:__**
+- Hinweise von Stefan Born: sollten (große) öffentliche Datensätze finden, bei denen Bilder, bzw. Musikstücke mit ästhetischen bzw. Stimmungs-Labels versehen sind
+---------------------------------------------------------------------------------------------------------
+**__Weitere Notizen:__**
+Stimmungsklassifikation von Bildern ist nicht ganz einfach.
+Die funktionierenden Methoden beruhen darauf, neuronale Netzwerke auf Features zu trainieren, die ihrerseits aus den mittleren Schichten von neuronalen Netzwerken kommen, die für andere Aufgaben trainiert wurden.
+(Typischerweise die Gewinner der großen ImageNet-Challenges, bei denen es um Bildklassifikation geht, AlexNet, ResNet,…) Es kann sich lohnen, außerdem noch summarische Statistiken der Bildfarben o.ä. als Eingabe zu verwenden.
+Ein typisches Beispiel ist hier:
 https://arxiv.org/pdf/1705.07543.pdf
-Das lässt sich alles mit den Paketen keras + tensorflow
+---> alles lässt sich mit den Paketen keras + tensorflow realisieren.
+Damit's nicht ewig dauert, braucht man eine GPU, es kann sich lohnen, die Modelle auf Google Colab zu rechnen.
+---------------------------------------------------------------------------------------------------------
+**__Fragen:__**
+     Wie funktionieren neuronalen Netzwerke?
+     Was können neuronalen Netzwerke?
+     Wie würde die Implementation in Python aussehen?
+--------------------------------------------------------------------------------------------------------------------------
+**FAZIT:** - Beschäftigung mit neuronalen Netzwerken nötig
+--------------------------------------------------------------------------------------------------------------------------
+Zur nächsten Dokumentation klicke hier:  [[28.11.19]]
-realisieren. Damit's nicht ewig dauert, braucht man eine GPU, es kann sich lohnen, die Modelle auf Google Colab zu rechnen.

Mathesis Wiki

Benutzer-Werkzeuge

Webseiten-Werkzeuge

Unterschiede

Seiten-Werkzeuge