視覚認知計算特論 2019年度 演習その3†
課題A†
やること†
- 上記の2枚の画像を手元にダウンロードしなさい
- Gist から image.py をダウンロードし，上の画像を同じディレクトリ内に置いて実行してみなさい．
- Slack から face231.tbz をダウンロードして，image.py と同じディレクトリに展開（image.py と同じ所に face231 というディレクトリがあってその中に231枚の画像がある状態に ）し，中身を確認しなさい．展開の仕方は，拡張子 .tbz をヒントに調べたらよい．
- このデータはこの授業のためだけに使用し，他人に譲渡したりウェブ等で公開したりしないでください．
- Gist から ex03.py をダウンロードし，同じディレクトリに置いて実行してみなさい．
- ex03.py を参考に，231枚の画像のうち番号の小さい方131枚を学習用，残りをテスト用として，次の画像を作りなさい．
- 学習用画像全体の平均
- 学習用画像のクラス毎（人間女性，人間男性，猫）の平均
報告すること／もの†
作成した平均画像
課題B†
やること†
face231 の画像を課題Aと同様に学習用131枚とテスト用100枚に分けるとする．
最短距離法によって女男猫を識別する実験をしよう．プロトタイプは，学習データのクラスごとの平均とすること．学習データの識別率（正しく識別できた画像の割合，50枚中45枚正解なら90%），テストデータの識別率をそれぞれ求めよう．
最短距離法については PIP/2018 第13回資料参照．
報告すること／もの†
- 実験方法: アルゴリズムの実装をどうしたか説明する（自分で書いたならソースを示す，ライブラリ等を利用したならどんなライブラリのどんな機能を使ったか記す）
- 学習／テストそれぞれについて
課題C†
やること†
課題Bと同様のことを，k = 1 としたk-最近傍法（k-Nearest Neighbor法）でやってみよう．
この場合，学習データの識別率は求めるまでもないですね．
最近傍法についても PIP/2018 第13回資料参照．
報告すること／もの†
- 実験方法: アルゴリズムの実装をどうしたか説明する（自分で書いたならソースを示す，ライブラリ等を利用したならどんなライブラリのどんな機能を使ったか記す）
- テストデータの正解数と識別率
- 簡単な考察（最短距離法の結果との比較など）
![[PukiWiki]](image/blackuni3-80x80.png "[PukiWiki]")
