2023-12-27 Meeting #5

Progress:

1. Face++ API

2. MORPH, FG_Net, CACD - datasets

Kvalifikācijas/Kursa darba plāns:

1. Izvēlēties datu kopu

2. Izvēlēties atlases metadoloģiju un skaitu, iespējams 100 no 2000 (sampling strategy), aprakstīt detalizēti - piem pēc dzimuma, rases, bilžu kvalitātes utt

3. Eksperimentālā daļa - Ar 2 dažādiem GenAI modeļiem uzģenerēt attēlus dažādos vecumos salīdzināt rezultātu ar Ground Truth, izmantojot Face++

TODO:

1. Iekļaut SLR

   1. Labākus ģeneratīvos modeļus izejot no šiem

      1. https://github.com/yunjey/stargan https://github.com/clovaai/stargan-v2 https://github.com/avivga/overlord

   2. Datu kopas

      1. https://github.com/NVlabs/ffhq-dataset https://github.com/DCGM/ffhq-features-dataset

   3. Age classifiers

      1. https://github.com/smahesh29/Gender-and-Age-Detection https://github.com/topics/age-classification https://github.com/topics/age-recognition

2. Papildināt SLR tabulas norādot precīzi:

   1. Kuras ir tādas datu kopas kur viens cilvēks dažādos vecumos?

   2. Kuras datu kopas visbiežāk izmanto ģeneratīvajos modeļos, vecuma modelēšanai un kuras izmanto re-idenfikācijā, lai pētītu vecumu?

   3. Kurā pētījumā precīzi tiek pētīta vecuma ietekme uz re-identifikāciju?

   4. Kādu metriku izmanto, lai noteiktu vecuma ģeneratīvo modeļu kvalitāti, kas ir State of the Art?

   5. Kādu metriku vai metodi izmanto, lai noteiktu precizitāti re-identifikācijai, kura būtu age-invariant, kas ir State of the Art?

   6. Kuriem modeļiem pieejami pre-trained weights, lai tos varētu uzreiz testēt?

3. Tēmas formulējums Kvalifikācijas darbam:

   1. Tēma: “Sejas vecuma ģeneratīvo modeļu salīdzināšana”

   2. Uzdevumi:

      1. Sistemātiskā literatūras analīze par ģeneratīvajiem modeļiem seju vecuma modelēšanai

      2. Sistemātiskā literatūras analīze par sejas vecuma klasifikatora modeļiem

      3. Sistemātiskā literatūras analīze par datu kopām sejas vecuma pētīšanai

      4. Testēt datu kopas ar sejas vecuma klasifikatoriem

      5. Implementēt sejas vecuma modelēšanu un to testēt ar sejas vecuma klasifikatoriem

      6. Dokumentēt rezultātus un veikt secinājumus

4. Overleaf sākt rakstīt SLR un Saistītie pētījumi nodāļas, nosharots elizabtl.l2@gmail.com projekts: https://www.overleaf.com/project/657a083675f22b77801323db

5. Vēlams SLR rakstīt šādā veidā (vertikālas tabulas): http://share.yellowrobot.xyz/quick/2023-11-8-C8BA5CFB-675C-477E-82B8-8E9BD405488A.pdf

Evalds nosūtīja piekļuves pieprasījumu MORPH dataset Varētu lietot FFHQ, MORPH, Age-DB

Darba struktūra:

• Ievads (bez apakš nodaļām) - 1lpp

  • Super vienkāršots ievads

  • Uzdevumi

  • Mērķi

• Saistītie pētījumi

  • Nevar uzreiz sekot apakš nodaļas jābūt nelielam saistošam tekstam

  • Mazliet pamata teorija, bet ne dziļi, jo LU nepatīk, ka apraksta teoriju

  • Modeļi un metodes, sheamtiski - 3-6lpp

• Sistemātiskā literatūras analīze

  • Tabulas

  • Kvalitātes kritēriji

  • Zem katras tabulas paskaidorojumi

  • Mērķis “izvēlēties” labāko modeli un metrikas tālākam darbam

• Metodoloģija - 15 lpp

  • Datu kopa

    • Datu Paraugi, Histogrammas pēc klasem ut

    • Paši paraugi kā piemēri

  • Modeļi

  • Rādītāji

• Rezultāti - 10 lpp

  • Tabula ar Validācijas kopām

• [Rezultātu analīze / Diskusija]

• Tālākie pētījumi - 1lpp

• Secinājumi - 1lpp

Examples of SLR tables:

1. https://puupuls.notion.site/SLR-Tabula-1-04cafc5ed342497b92629b87c2c1e548

   1. Trūkst:

      1. Cite by year

      2. Future research

2. https://www.evernote.com/shard/s736/sh/2c598470-3b41-6a1c-d629-3fa44ec1e0c3/c340ef470d5f0d9391b709d03751445f

Examples of Finished SLR:

1. http://share.yellowrobot.xyz/quick/2023-2-28-62301A6A-9494-43EE-B86B-007AF6F685EB.pdf

2. https://sci-hub.hkvisa.net/10.1016/j.infsof.2008.09.009

3. https://www.sciencedirect.com/science/article/pii/S0950584908001390

4. http://share.yellowrobot.xyz/quick/2023-2-28-0CCAE1B2-6579-4F45-97E3-A12AEDA732B0.pdf

Literatūras avoti

Artificial Intelligence Modern Approach, 4th edition (vecākās trūkst info par Deep Learning)

Some of books to use:

https://www.math.uwaterloo.ca/~hwolkowi/matrixcookbook.pdf https://www.deeplearningbook.org/contents/mlp.html https://d2l.ai/d2l-en.pdf http://152.67.89.169/1629722468-deep-learning-theory

Great explanations of basic maths: http://mathproofs.blogspot.com/2006/07/dot-product-and-cosine.html

Rakstīšanas resursi

IT AI un Datorzinātņu Termini Latviešu Valodā: http://share.yellowrobot.xyz/website/IT%20AI%20Termini%20Latviesu%20Valoda.html

RTU gala darbu sagatave LaTeX: https://www.overleaf.com/read/chsqbcssfrwb

LaTeX useful tools and sniplets http://share.yellowrobot.xyz/website/LaTeX%20useful%20tools%20and%20sniplets.html