# 現状の記録
## 修士論文
### 論文の方針変更はなし
#### 2022/02/09

* 現在のコンセプトマップを作ってください。
* アノテーションデータを作るメリットを少し追求しましょう。
* 物体検出のメリットをもう少し出しましょう。(上の項目と同じこと)

## 画像分類
### 画像分類のみの精度の追い込み

古橋くんはEfficientNet-B5とRandAugmentを用いています。

* 入力は512x512
* RandAugmentは10と2
* 3610枚の画像からの学習に3日間を要する

その一方で岩塚くんはEfficientNet-B5とRandAugmentを用いています。一応、12の周りで1元配置実験({10, 12, 14}だったかな？)をして12にし、5の周りで1元配置実験を2回({2,5,8}と{4,5,6}だったかな)して5にしたそうです。

* 入力は228x228
* RandAugmentは12と5
* 3610枚の画像からの学習に3時間を要する

#### 2022/02/08依頼事項 入力画像の大きさとRandAugmentをチューニングしてもらいたいです。

* EfficientNet-B5の入力を456x456にする
* AndAugmentを12と{3,5,7}で試す

これで12と5が良いなら、これを使ってみていくことにしようと考えています。

* 学習データとテストデータのACCの推移
* 最終的な混同行列 (頻度と比率)

もし入力が228x288の場合の方が精度がよければ、そちらにスイッチします。

#### 2022/02/10依頼事項 計算時間の違いの原因追求

岩塚くんの学習時間は「時間」、古橋くんの学習時間は「日」でおよそ２４倍の開きがあります。これは少し甚大なので、原因を知りたいです。

## 物体検出
### 物体検出の精度の追い込み
#### 2022/02/08

古橋くんはYOLOXを用いています。

* アノテーションを付与しているのは学習データの20%

10%ずつアノテーションを増やしていってください。

## 画像分類＋物体検出

## 画像分類＋クラスタリング＋層別ファインチューニング

## まだ足りないもの
欠陥部分のマスキングと強調のための、欠陥部分の検出の自動化。

* 従来ならテンプレートマッチングを使うところな気がします

### オートエンコーダによるセグメンテーション