# 3/17 會議記錄
* 3/25 截稿，[台中(一天來回)](https://www.nutc.edu.tw/files/13-1000-78002.php)，審稿可能很不嚴謹
* 3/27 截稿，[高雄](https://dlt2022.wixsite.com/home)，審稿可能很不嚴謹
* 4/6 截稿，澎湖，很好玩超好玩
* 應用的部分就可以少講一些細節(超多的tsne圖)，feature有沒有分開來其實沒有那麼重要，可能會比較著重acc的部分
* 分析的部分可以探討兩者的差異，CNN擷取的特徵，跟有目標性的使用disentangling有顯著的差異
* 文章會希望可以讓別人在看完文章之後，也可以做出差不多的效果
* 圖: 為什麼想畫，希望別人從中間學到甚麼 => 如果只就圖片的差異跟解釋，其實就可以寫出很多東西了
* 圖跟圖的比較也要寫清楚
* 這篇文章要說服別人的是什麼? 要給讀者看甚麼東西才能說服他人你的觀點(要去說服這是一個好的應用)
* disentangling可以講更細: discriminator是怎麼做的? label怎麼貼? encoder抓的是什麼之類的?
* 把對方當成小學生，不要預設對方是懂得
* 專題的小缺點並且需要改善的: 嘗試用自己了解的話把東西描述出來
* 主題一: 在training和testing有差別的情況下，加discriminator的好及優點(?)=> 應該是分析
* 主題二: 監視器用openpose(?)辨識身分 => 應該是應用，那目前做到怎樣的地步，減輕警員的工作量? => 可以分析，不過不需要比較，因為比較也需要用相同的資料集
* (巧恩的想法): 看哪一個會議的可以投稿的長度比較長，那個可以投分析
* 分析比較像是為了擷取特徵而特別找了一個例子來呈現結果
* 應用就是要說服其他人為什麼這是好的應用，直接用監視器來做有些困難~~早安平安喜樂~~，決定作一些適當的簡化，從跑步機上的影像來做初步的實驗資料，後一步要用什麼交給他們自己去想即可

---

* 要談卷基層可以看成encoder這件事 => 特別是分析那篇
* BatchNormalization、Dropout跟這篇比較沒有關聯 => 不用寫標題
* GlobalAveragePooling1D => 其實只有keras有，所以只要談pooling就可以了，可以避開技術的細節
* Disentagnling比GAN還要重要，可能可以把GAN再縮短一點，可以在四個步驟直接放loss
* t-SNE就不用介紹了，給參考資料即可
* 資料取得: 只要講版本三即可
* 分割資料A、B、C 可能需要簡短一點(不過資料C應該是可以直接拿掉

---
### 智慧家居
- 發現acc不好，思考為什麼不好，用t-SNE來看為什麼不好
- 早安，我有冰淇淋
- 早安中國，姿態與激情9
- 摘要裡面的兩個()需要重新思考內容是否適合
- 相對應的控制 => 因為我們並沒有做出控制
- 已經談過一段影片，這樣第一個()感覺比較冗，可以跟前面的內容合併
- 最主要的方法與貢獻: 使用我們的模型效果很讚，提到可以辨識所有速度下的身分
- 摘要要把方法呈現出來
- 前言還需要談別的咚咚巄咚嗆
- 要縮小研究的格局，格局決定高度
- 找到文章以後，每一篇用一句話去講述他的成果
-