文章說明

今天去參加婚禮，所以沒時間寫文章，所以我決定將我去實習時，熟悉的工具，還有每個階段在做的事情紀錄下來。一開始是處理資料，並沒有直接接觸模型的實作部分。後來接著分析資料、分析現有模型的performanc，透過分析的步驟，逐漸了解模型建構的要注意的重點。

文章分段

1. 在實習期間熟悉的工具
2. 第一階段：處理資料
3. 第二階段：資料分析
4. 第三階段：模型分析
5. 第四階段：訓練模型

在實習期間熟悉的工具

熟悉工具：

git
docker
ssh/scp
tmux

熟悉python package：

opencv
numpy
pandas
matplotlib
tensorflow.data
tensorflow.keras
tensorflow.estimator

協作：

python code style pep 8

第一階段：處理資料

運用tf.data API

1. 用API配合model.pb與條件過濾raw data

2. 用API與annotataion (json格式)製作與還原dataset

第二階段：資料分析

1. 將 markdown table 轉成 df
2. 讀取 csv 檔轉為 df
3. 將 整理好的 df 轉成 md table

運用pandas與matplotlib將資料(keypoints)分佈可視化

1. bounding box width-height scatter plot
2. bounding box ratio distribution
3. amount of keypoints in bounding box
4. amount of every keypoint in datasets
5. metrics score scatter plot

第三階段：模型分析

1. 用COCO的metric評估model，紀錄評分
2. 運用適合的metric評估model，紀錄評分

第四階段：訓練模型

經過前面階段，會對資料有相當的了解程度，也會了解現行的模型的特性，還有模型的搭建方式。有了以上的先備知識，再去搭建custom的模型，就會有比較明確的思路。