###### tags: `面談`
# 211221_面談本田

### 進捗
- CNNを用いた分類の検討
---

#### 構成・実験方法

imageNetで事前学習済みのモデルを転移学習し用いる

実験は，未知の患者に対する発現判定の有効性を検証するため
テストデータに患者1名，訓練データに他の患者
を用いる．

つまり，10名の患者なら10回ネットワークの学習を行い，分類する
そして，10回の平均を取ることで評価する

### 実験
患者1をテストデータ，G0：24枚，G1：96枚
他患者を学習データとして用いる．G0:318枚，G1:349枚

ベースネットワークとして
vgg19，resnet50を使用．
エポック数は30
バッチサイズは64
学習率を0.01 とした．

データオーグメンテーションとして，
各，バッチ読み込み時に，水平反転，クロップを行う．

### ResNet50：
エポック：30
学習率：0.01
バッチサイズ：64
データ拡張：水平反転のみ
ロス
正解率

### vgg-16
エポック：30
学習率：0.01
バッチサイズ：64
データ拡張：水平反転のみ
ロス
正解率

### vgg-16
エポック：30
学習率：0.01
バッチサイズ：64
データ拡張：水平反転，ランダムクロップ
ロス

先生コメント：ロスが安定していないので，学習が足りていないかも．
エポック数を増やすことで改善？，逆に安定しすぎていると過学習

正解率

- trainでのAccが良いのは，データオーグメンテーションとして，ランダムクロップを行った場合であるが，テストでのAccが不安定であった

## 今後の課題
- クロップサイズを数十画素とか小さくしてみる
- 上下反転・回転(90，180とか)を行ってみる
- エポック数を増やしてみる
- 学習率・バッチサイズは手動でいいところを探す必要があるので，実験を通して調整する
- SVM/RFとかの誤判定結果を解析してみる．失敗するケースを改善する特徴量が見つかれば一番良い．

<br>

<br>

<br>

<br>

<br>