Outils pour utilisateurs

Outils du site


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 [2019/11/27 14:23] – [Récapitulatif] sergedarknet_letters_essais [2020/12/01 17:43] (Version actuelle) – ↷ Liens modifiés en raison d'un déplacement. serge
Ligne 3: Ligne 3:
 **{{tagpage>bge|Blender Game Engine}}** ....  **{{tagpage>ia|Intelligence Artificielle}}** **{{tagpage>bge|Blender Game Engine}}** ....  **{{tagpage>ia|Intelligence Artificielle}}**
 </WRAP> </WRAP>
 +
 +{{ vimeo>377284950?medium }}
 +\\ \\ 
 +
 +**[[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.
 +  * 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 
 +{{media_03:essais_depuis_data_11.png?200|}} 
 + 
 +{{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€. 
 +=====Modèle final retenu===== 
 +{{media_08:data_22_8000.png?400|}} 
 +Le fichier de poids est: yolov3-tiny_3l_22_8000.weights 
 + 
 +La vidéo en haut de page est réalisée avec cette configuration.
  
 ===== Efficacité en fonction du nombre d'itérations ===== ===== Efficacité en fonction du nombre d'itérations =====
-{{ ::weights_vs_iteration.png?1000 |}}+Courbe d'apprentissage: 
 +{{ media_04:chart_22_40000.png?700 |}}
  
-{{ ::chart_22_40000.png?600 |}} +Efficacité mesurée avec 6 musiques midi et benchmark.py 
-=====Résumé des modifications suite à apprentissage finissant sur une erreur===== + 
-  Test avec yolov3-tiny.cfg +{{ media_03:essai_27.png?800 |good bad }} 
-  Test avec yolov3_5l.cfg + 
-  Test avec yolov3-tiny_3l.cfg +===Conclusion=== 
-  * Grosse erreur persodans shot_xxx.txt de l'image shot_xxx.png: nom de l'objet au lieu du numéro de l'objet ! +Le fichier **yolov3-tiny_3l_22_8000.weights** est considéré comme **le meilleur des meilleurs.*
-  fond noir + 
-  fond noir remplacé par un nuage gris +====Surapprentissage==== 
-  * nuage gris remplacé par une video de ciel ! +  * **[[https://www.actuia.com/faq/quest-ce-que-le-surapprentissage/|Qu’est-ce que le surapprentissage ?]]** 
-  * Message dans le terminal: "Processus arrêté." Achat de DDR3 1600 mHz 16 Go pour remplacer les 4 Go existants. + 
-  * Diminution des superpositions avec size de 0.6 à 0.9 +En intelligence artificielle, on parle de surapprentissage (le terme anglais est overfitting) quand un modèle a trop appris les particularités de chacun des exemples fournis en exempleIl présente alors un taux de succès très important sur les données d’entraînement (pouvant atteindre jusqu’à 100%), au détriment de ses performances générales réelles. 
-  * Images avec minuscules seules et images avec majuscules seules pour diminuer le nombre de lettres dans l'image et donc les superpositions. +\\ \\  
-  * Reprise des 400 images des lettres pour les cadrer serrées (20 heures de boulot) ! +{{ vimeo>375919053?medium }} 
-  * Ne pas déclarer des objets qui ne sont jamais dans les images ! +\\ \\ 
-  * SWAP de 64 Go au lieu de 8 Go+
  
 =====Essais avec yolov3.cfg===== =====Essais avec yolov3.cfg=====
Ligne 38: 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 66: 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 76: 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 103: 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 128: 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 149: 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 195: 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 207: 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 232: 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 240: Ligne 262:
   * Flou: 0 et 3   * Flou: 0 et 3
  
-{{tag> ia sb bge}}+=====Pour mémoire: Résumé des modifications suite à apprentissage finissant sur une erreur===== 
 +  * Test avec yolov3-tiny.cfg 
 +  * Test avec yolov3_5l.cfg 
 +  * Test avec yolov3-tiny_3l.cfg 
 +  * Grosse erreur perso: dans shot_xxx.txt de l'image shot_xxx.png: nom de l'objet au lieu du numéro de l'objet ! 
 +  * fond noir 
 +  * fond noir remplacé par un nuage gris 
 +  * nuage gris remplacé par une video de ciel ! 
 +  * Message dans le terminal: "Processus arrêté." Achat de DDR3 1600 mHz 16 Go pour remplacer les 4 Go existants. 
 +  * Diminution des superpositions avec size de 0.6 à 0.9 
 +  * Images avec minuscules seules et images avec majuscules seules pour diminuer le nombre de lettres dans l'image et donc les superpositions. 
 +  * Reprise des 400 images des lettres pour les cadrer serrées (20 heures de boulot) ! 
 +  * Ne pas déclarer des objets qui ne sont jamais dans les images ! 
 +  * SWAP de 64 Go au lieu de 8 Go 
 + 
 + 
 +{{tag> ia sb bge yolo_darknet}}
darknet_letters_essais.1574864594.txt.gz · Dernière modification : 2019/11/27 14:23 de serge