Labomedia Ressources

Outils pour utilisateurs

Outils du site

Piste :
darknet_letters_essais

Différences

Ci-dessous, les différences entre deux révisions de la page.

Lien vers cette vue comparative

Les deux révisions précédentesRévision précédente
Prochaine révision		Révision précédente
darknet_letters_essais [2019/12/04 12:31] – sergedarknet_letters_essais [2020/12/01 17:43] (Version actuelle) – ↷ Liens modifiés en raison d'un déplacement. serge
Ligne 4: Ligne 4:
 </WRAP> </WRAP>
  
-</{{ vimeo>377284950?medium }}+{{ vimeo>377284950?medium }}
 \\ \\  \\ \\ 
  
-**[[darknet_letters|Darknet Letters]]**\\ \\ +**[[darknet_letters|Le projet Darknet Letters]]**
  
 +**[[https://github.com/sergeLabo/darknet-letters|darknet-letters sur Github]]**\\ \\
   * Ces recherches s’arrêtent sur un score de 59% de bonnes notes et 34% de mauvaises notes.   * Ces recherches s’arrêtent sur un score de 59% de bonnes notes et 34% de mauvaises notes.
   * La modulation de la vélocité avec les majuscules à été supprimée.   * La modulation de la vélocité avec les majuscules à été supprimée.
 +
 +
 =====Récapitulatif===== =====Récapitulatif=====
-{{::suivi_essai_final.png?1000|}}+{{media_12:suivi_essai_final.png?1000|}}
  
 Les essais depuis data_11 Les essais depuis data_11
-{{::essais_depuis_data_11.png?200|}}+{{media_03:essais_depuis_data_11.png?200|}}
  
-{{::suivi_essais.ods|Le fichier ods}}+{{media_12:suivi_essais.ods|Le fichier ods}}
  
 6 mois de calcul ont coûté entre 100€ et 200€. La carte graphique avait coûté 200€. Les 16 Go de RAM 35€. 6 mois de calcul ont coûté entre 100€ et 200€. La carte graphique avait coûté 200€. Les 16 Go de RAM 35€.
 =====Modèle final retenu===== =====Modèle final retenu=====
-{{::data_22_8000.png?400|}}+{{media_08:data_22_8000.png?400|}}
 Le fichier de poids est: yolov3-tiny_3l_22_8000.weights Le fichier de poids est: yolov3-tiny_3l_22_8000.weights
  
Ligne 28: Ligne 31:
 ===== Efficacité en fonction du nombre d'itérations ===== ===== Efficacité en fonction du nombre d'itérations =====
 Courbe d'apprentissage: Courbe d'apprentissage:
-{{ ::chart_22_40000.png?800 |}}+{{ media_04:chart_22_40000.png?700 |}}
  
 Efficacité mesurée avec 6 musiques midi et benchmark.py Efficacité mesurée avec 6 musiques midi et benchmark.py
-{{ ::bad_good.png?800 |}} 
- 
-Bonnes notes en bleu 
  
-Mauvaises notes en rouge+{{ media_03:essai_27.png?800 |good bad }}
  
 ===Conclusion=== ===Conclusion===
-Le fichier **yolov3-tiny_3l_22_8000.weights** est considéré comme **le meilleur de meilleurs.**+Le fichier **yolov3-tiny_3l_22_8000.weights** est considéré comme **le meilleur des meilleurs.**
  
 ====Surapprentissage==== ====Surapprentissage====
Ligne 60: Ligne 60:
 </WRAP> </WRAP>
 Résultat: Résultat:
-{{ ::chart_30000.png?300 |}}+{{ media_04:chart_30000.png?300 |}}
 <WRAP half column> <WRAP half column>
 </WRAP> </WRAP>
Ligne 88: Ligne 88:
 </WRAP> </WRAP>
 <WRAP third column> <WRAP third column>
-{{ :chart_03.png?300 |}}+{{ media_05:chart_03.png?300 |}}
 Efficacité 99% mais reconnaît très mal les lettres, et la détection de leur position très très large par rapport au réel. La musique résultante n'est pas reconnaissable. Efficacité 99% mais reconnaît très mal les lettres, et la détection de leur position très très large par rapport au réel. La musique résultante n'est pas reconnaissable.
 </WRAP> </WRAP>
Ligne 98: Ligne 98:
 <WRAP group> <WRAP group>
 <WRAP half column> <WRAP half column>
-{{ ::chart_04_50000.png?300 |}}+{{ media_04:chart_04_50000.png?300 |}}
 </WRAP> </WRAP>
 <WRAP half column> <WRAP half column>
- {{ ::chart_04_92500.png?300 |}}+ {{ media_04:chart_04_92500.png?300 |}}
 </WRAP> </WRAP>
 </WRAP> </WRAP>
Ligne 125: Ligne 125:
 </WRAP> </WRAP>
 <WRAP third column> <WRAP third column>
-{{ ::chart_05_50000.png?300 |}}+{{ media_04:chart_05_50000.png?300 |}}
 Très mauvaise reconnaissance ! Très mauvaise reconnaissance !
 </WRAP> </WRAP>
Ligne 150: Ligne 150:
 L'analyse des % de reconnaissance calculés à la fin de l'apprentissage, montre que ce sont les lettres avec la couleur gris clair qui sont les plus mal reconnues. L'analyse des % de reconnaissance calculés à la fin de l'apprentissage, montre que ce sont les lettres avec la couleur gris clair qui sont les plus mal reconnues.
  
-{{::chart_50000_06.png?400|}} {{::efficacite_font_0.png?400|}}+{{media_04:chart_50000_06.png?400|}} {{media_03:efficacite_font_0.png?400|}}
  
 ====Essai 07==== ====Essai 07====
Ligne 171: Ligne 171:
  
 <WRAP third column> <WRAP third column>
-{{::shot_16.png?250|}}+{{media_03:shot_16.png?250|}}
 </WRAP> </WRAP>
  
 <WRAP third column> <WRAP third column>
 Résultat:\\  Résultat:\\ 
-{{::chart_07_50000.png?250|}}+{{media_04:chart_07_50000.png?250|}}
 </WRAP> </WRAP>
 </WRAP> </WRAP>
Ligne 217: Ligne 217:
  
 Cette courbe est parfaite, et pourtant c'est tout faux !!!!!!!!! Cette courbe est parfaite, et pourtant c'est tout faux !!!!!!!!!
-{{ ::chart_08_30000.png?400 |}}+{{ media_04:chart_08_30000.png?400 |}}
  
 ====Essai 09==== ====Essai 09====
 idem essai 08 mais shot_size = 480 pour la config et les images: idem essai 08 mais shot_size = 480 pour la config et les images:
-{{ ::chart_09_20000.png?400 |}}+{{ media_04:chart_09_20000.png?400 |}}
  
 20 000 itérations ne suffisent pas ! 20 000 itérations ne suffisent pas !
Ligne 229: Ligne 229:
 <WRAP half column> <WRAP half column>
 Avec shaders\\ Avec shaders\\
-{{::shot_21_avec_shaders.png?400|}}+{{media_03:shot_21_avec_shaders.png?400|}}
 </WRAP> </WRAP>
  
 <WRAP half column> <WRAP half column>
 Sans shaders\\ Sans shaders\\
-{{::shot_21_sans_shaders.png?400|}}\\+{{media_03:shot_21_sans_shaders.png?400|}}\\
 Les couleurs sont plus denses. Les couleurs sont plus denses.
 </WRAP> </WRAP>
Ligne 254: Ligne 254:
  
 <WRAP half column> <WRAP half column>
-{{::chart_10_40000.png?300|}}\\ +{{media_04:chart_10_40000.png?300|}}\\ 
 De belles courbes d'apprentissage ! De belles courbes d'apprentissage !
 </WRAP> </WRAP>
Ligne 278: Ligne 278:
  
  
-{{tag> ia sb bge yolo_darknet deap_learning}}+{{tag> ia sb bge yolo_darknet}}
darknet_letters_essais.txt · Dernière modification : 2020/12/01 17:43 de serge