#author("2018-05-04T15:44:00+09:00","default:takataka","takataka") [[Vision/2017/ex03]] *視覚認知計算特論 2017年度 演習その3 [#w8b5d0a5] //&color(red){工事中}; - 演習のための準備についてはこちら → [[Vision/2017/ex00]] - 課題の提出法や期限については,授業中に説明します - Gist 上のこの科目の場所 https://gist.github.com/takatakamanbou/43c798dcb2b4f217df3d3bbb7c69b225 &ref(Vision/blackuni3.png); &ref(Vision/blackuni3-gray.png); **課題A [#s565116c] + 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. + face100.tbz を展開し,中身を確認しなさい.ファイルの入手法は授業時に説明します.展開の仕方は,拡張子 .tbz をヒントに調べたらよい. + 上記の中身は100枚の顔画像でり,img000 からの50枚は女性,img050からの50枚は男性の画像である.これらを読み込んで,100枚全ての平均,女性男性それぞれの平均,の3種類の画像を作成するプログラムを作りなさい. 画像の読み込み方のヒント: #pre{{ for i in range(10): print('hoge%03d' % i) }} **課題B [#f2403024] 000からおよび050からの25枚ずつをそれぞれ女性と男性の学習データとし,残り25枚ずつをテストデータとする.最短距離法によって男女を識別する実験をしよう.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/2016]] 第13回資料参照. **課題C [#i4a75fae] 課題Bと同様のことを,k = 1 とした最近傍法(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/2016]] 第13回資料参照.