###### tags: `面談` # 210727_面談本田 ### 進捗 - 色特徴のみでの分類・比較 - 特徴量選択 --- ### 色特徴のみでの分類 【現在使用している特徴量】 ・【色】RGB 各チャンネル：平均，標準偏差，モード，歪度，尖度 ・【テクスチャ】：RGB各チャンネルのGLCM：エントロピー，コントラスト，相関，エネルギー，均一性 ## 実験1 色特徴のみ使用 #### 色補正なし |全て| a | b | |色のみ | a | b | |--| ----|---- | -- |--|--| --| |a| 17 |7 | |a |16 |8| |b| 0 |112 | |b |0 |112| （a=重症度0，b=重症度1） 全て平均スコア：0.9208791208791209 色のみ平均スコア：0.9280219780219781 #### root6色補正 |全て| a | b | |色のみ|a|b| |--| ----|---- | - | -- |--|--| |a| 11 |13 | |a|12|12| |b| 0 |112 | |b|0|112| （a=重症度0，b=重症度1） 全て平均スコア : 0.8554945054945055 色のみ平均スコア : 0.9351648351648352 #### ホワイトバランス色補正 |全て| a | b | |色のみ|a|b| |--| ----|---- | - | -- |--|--| |a| 11 |13 ||a|11|13 | |b| 0 |112 ||b|0|112| （a=重症度0，b=重症度1） 全て平均スコア : 0.8626373626373628 色のみ平均スコア：0.8774725274725276 結果： 変わらない，または良くなるものもあった --- ## 実験2 テクスチャ特徴のみ使用 #### 色補正なし |全て| a | b | |textureのみ | a | b | |--| ----|---- | -- |--|--| --| |a| 17 |7 | |a |0 |24| |b| 0 |112 | |b |0 |112| （a=重症度0，b=重症度1） 全て平均スコア：0.9208791208791209 テクスチャのみ平均スコア：0.8241758241758241 #### root6色補正 |全て| a | b | |texture|a|b| |--| ----|---- | - | -- |--|--| |a| 11 |13 | |a|2|22| |b| 0 |112 | |b|0|112| （a=重症度0，b=重症度1） 全て平均スコア : 0.8554945054945055 今回平均スコア : 0.8241758241758241 #### ホワイトバランス色補正 |全て| a | b | |texture|a|b| |--| ----|---- | - | -- |--|--| |a| 11 |13 ||a|1|23 | |b| 0 |112 ||b|0|112| （a=重症度0，b=重症度1） 全て平均スコア : 0.8626373626373628 今回平均スコア：0.8241758241758241 結果：重症度0の分類ができなくなった ## 特徴量選択手法で検証 ### ラッパー法 - 特徴量の組み合わせ毎に機械学習の分類精度を比較し，特徴量の組を求める． #### RFE RFEを用いて分類に寄与する特徴量を選択する RFEにより特徴量のランキングを求めた． 色特徴：21，12，1，25，9，1，3，1，11，27，22，2，14，15，6，17，1，1 テクスチャ：20，16，4，10，23，29，8，28，26，19，13，18，24，7，5 **Bの平均値，Bの中央値，Gの標準偏差，Bの最頻値，Gの尖度，Bの尖度** が分類に大きく寄与しているという結果になった #### Boruta Borutaを用いて特徴量を選択する **Rの中央値，Bの標準偏差，Rの最頻値，Gの歪度，Rの尖度** の5つの特徴量が大きく寄与しているという結果になった． ### 考察 - 実験や2つの特徴量選択の手法を試した - 2つの特徴量選択手法では，どちらもテクスチャ特徴が1つも選択されなかった - 実験でも色特徴のみを用いた場合が全体を用いた場合の結果と同じ結果となっている - 以上の事から，textureの特徴が分類にあまり寄与できていなと考える ## 今後の課題 - 他の患者で検証する - 自身で特徴量を考え，精度検証，比較し，うまく特徴を抽出できるものを設計する - 「てかり」を検出するための色特徴，HSVで色特徴 <br> <br> <br> <br> <br>