Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen gezeigt.

--- ws1920:virtual_dj [2019/11/21 15:49]
justanni Erste Protokolle / Projektbeschreibung
+++ ws1920:virtual_dj [2019/11/28 17:51] (aktuell)
mariaring
@@ Zeile 1: / Zeile 1: @@
-**Virtual DJ, neuer Name TBA**
+========APOLLON=======
-Name wird noch geändert, da es bereits eine Software gibt, die so heißt!
-__Projektteilnehmer*innen__
-Sven
-Maria Ring
-Dominik Krug
-Rosa Brunner
-Annika Just
+__Beschreibung des Projektnamens__
+-------------A   =   **Affective**-------------
-__Projektbeschreibung__
+-------------P   =   **Personal**-------------
-Unser Programm soll die "Grundstimmung" eines Gesichts erkennen und einen dazu passenden Song auswählen.
-Wie wir das genau umsetzen werden wir in den nächsten Wochen erarbeiten.
-__Protokoll 14.11.2019__
+-------------O   =   **Online**-------------
-zu der Stimmung passende Musik auswählen
-Stimmung verbessern / Titel zur Stimmung
-Einteilung in zwei Teilprojekte:
+-------------L   =   **Located**-------------
-Stimmungsanalyse
+-------------L   =   **Laudable**-------------
-- Bildanalyse?
-- Von was?
-- Gesicht: emotionaler Gesichtsausdruck
-- [[https://en.wikipedia.org/wiki/Facial_expression_databases|Gesichtsdatenbanken]]
-- Basis emotion theory nach Ekman
-Musikausgabe
+-------------O   =   **Overdue**-------------
-- Genres werden Gefühlen zugeordnet
-- Wie wird die Stimmung des Liedes bestimmt?
-    - Valenz
-    - Arousal:
-    - Text des Liedes
-- Schnittstelle? Also wie wird das Lied abgespielt? Damit man nicht 10000 Lieder auf dem PC hat
+-------------N   =   **Network**--------------
-    - Spotify, YouTube?
-    - Cloud anlegen, wo die Lieder drinnen sin?
-    - Zunächst Auswahl aus bestimmten Liedern je Emotion/Stimmung, also Anzahl limitieren…?
-Objekterkennung:
-- Lied zum Objekt
-- Semantisch passend: also Objekt kommt dann auch im Song vor
-Bravo Hits!
-- Rating Daten erheben
+__Projektbeschreibung__
-__Protokoll 21.11.2019__
+Unser Programm soll die "Grundstimmung" eines Gesichts erkennen und einen dazu passenden Song auswählen.
+Wie wir dies genau umsetzen werden wir in den nächsten Wochen erarbeiten.
-- Beschäftigung mit den Hinweisen von Stefan
+Idee: man schickt ein Selfie an unser Programm, das Programm analysiert die Stimmung und sendet einen dazu passenden Song aufs Handy.
-- Anschauen ähnlicher Projekte, die bereits in Mathesis umgesetzt wurden
+Umsetzung über Telegram Bot?
-- weitere Quellen suchen
-https://medium.com/themlblog/how-to-do-facial-emotion-recognition-using-a-cnn-b7bbae79cd8f
-https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6514572/
+__Projektteilnehmer*innen__
-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://www.kaggle.com/c/challenges-in-representation-learning-facial-expression-recognition-challenge/overview
-https://towardsdatascience.com/face-detection-recognition-and-emotion-detection-in-8-lines-of-code-b2ce32d4d5de
-**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 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/
+  * Sven Tonke
+  * Maria Ring
+  * Dominik Krug
+  * Rosa Brunner
+  * Annika Just
-Interessant auch
+**[[Projekt-Dokumentationen]]**
-https://github.com/neokt/audio-music-mood-classification
-https://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:
-https://arxiv.org/pdf/1705.07543.pdf
-Das lässt sich alles 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.

Mathesis Wiki

Benutzer-Werkzeuge

Webseiten-Werkzeuge

Unterschiede

Seiten-Werkzeuge