plantilla_experimentos

Formato de la plantilla:

• Fecha:
• Autor:
• Código:
• Dataset(s):
• Preprocesamiento:
• Características:
• Clasificador:
• Resultados de clasificación:
• Método de detección:
• Resultados de detección:

Ejemplo:

• Fecha: 23/5
• Autor: Facundo
• Código: https://github.com/midusi/proyecto2018/tree/master/daimler_pedestrian_classification_example
• Dataset(s) para clasificación: Daimler Mono, 96x48, 15660 positivas, 26976 negativas (generando 16 muestras por imagen negativa, grilla uniforme).
• Preprocesamiento: Ninguno
• Características: HOGs, {orientations=9,pixels_per_cell:(8,8),cells_per_block:(3,3),block_norm='L2-Hys',transform_sqrt=True}. Tamaño del HOG=3240
• Clasificador: SVM lineal (svm.LinearSVC), {c=200}
• Resultados de clasificación:
  • Entrenamiento: accuracy=99.5%, FalsosPositivos=0.02%, falsos negativos=0.03%
  • Test: accuracy=99.0%, FalsosPositivos=0.4%, falsos negativos=0.06%
• Dataset(s) para detección: DaimlerMono, 640x480
• Método de detección: Ventanas superpuestas, escala(s): (96,48), pasos/stride: (12,12). 2120 ventanas por imagen. IoU mínimo=0.75.
• Resultados de detección: Accuracy (promedio de todas las imágenes)= 13%, FalsosPositivos=80%, falsos negativos=7%