Signals Processing and Interpretation: iteration 1

[zuevval]

Этот Pull Request идёт вместе с braille-systems/AngelinaReader / PR #3

Прочесть про работу и про эти Pull Request'ы можно в документе report_01_20_mar.md

[NikitaS4]

Проделана большая работа по сбору данных и их разметке, что очень важно для обучения нейросети. Данные соответствуют заявленному описанию и требованиям

[mitenevav]

Дублирую и в этот пр
Появился вопрос по постановке задачи. Одним из пунктов было уменьшить "Чувствительность к повороту листа в горизонтальной плоскости". Казалось бы повернув на 180 градусов, получиться другая буква. Тут наверно стоило бы ввести ограничение по углу, или же указать какие-нибудь характерные черты поворота (если такие имеются).
Так же было тяжело бродить по двум репозиториям и разбираться с таким большим количеством файлов, не смог детально разобраться в структуре всего этого.
В целом же проект понравился, проделан большой объем работы. Очень полезное приложение.

[zuevval]

Дублирую и в этот пр

Мне кажется, можно было не дублировать.
Ответил на оригинал комментария.

[DanilPestryakov]

"местами проведён рефакторинг (например, внутренним функции в модуле validate_retinanet даны названия, начинающиеся с _)"
возникает вопрос целесообразности данного шага. действительно, в питоне это является хорошим тоном. однако при таком подходе могут возникнуть проблемы с вызовом типа func._internal_func(some_args). так тоже никто не делает. но все же надо быть аккуратнее с такими вещами. потому что сейчас _ и __ вначале негласно ассоциируются с модификаторами доступа (был уже такой опыт и очень неприятный на работе)

[DanilPestryakov]

"Недавно я узнал, что Илья Геннадиевич Оводов использовал при разметке своего датасета AngelinaDataset более слабую нейросеть, обученную на маленькой выборке, после чего вручную корректировал её ошибки. Вероятно, следует попробовать что-то такое же."
Да, валидный подход. Лучше обучаться на малом датасете и доразмечать. Потом на нем можно сделать переобучение и закинуть датасет побольше, но быть готовым к тому, что его тоже придется править ручками. Так порционно увеличивая порционность данных ты сможешь обучить сеть достаточно неплохо. Хорошо тут не совсем подходящее слово, но неплохо

[DanilPestryakov]

Не хочется писать, что проделана огромная работа. Потому что это и так понятно.
Так как проект правда большой, а времени смотреть его правда мало, то я, не кривя душой, могу сказать, что лишь посмотрел readme и бегло датасет. (К тому же моя домашняя машина все равно не смогла бы потянуть такой проект у себя, увы). Я плохо знаком со спецификой шрифтов Брайля, за тем исключением, что ты уже описал в файле. Но мне кажется, что стоит посмотреть куда-то в сторону технологии T9, но для шрифтов Брайля. Не знаю, реализовано это где-то и будет ли удачной данная идея, но я предлагаю вероятностный подход к распознаванию и интерпретации. Да, часть данных у неизбежно будет потеряна, однако даже с тем, что уцелеет, можно вполне себе работать. К тому же каждая буква - это определенный набор точек по сути. Вопрос лишь в том, насколько влияют углы поворота на интерпретацию. В общем, это мое чисто беглое мнение...

[zuevval]

могут возникнуть проблемы с вызовом типа func._internal_func(some_args)

Может, я неверно выразился, имелись в виду не конструкции вида

def f():
   def _g():
      pass

а просто функции, которые не импортируются из других файлов, используются только в validate_retinanet.

[zuevval]

стоит посмотреть куда-то в сторону технологии T9, но для шрифтов Брайля

@DanilPestryakov пока что не очень понял идею.
Интерпретация распознанного - конечно, отдельная задача из класса NLP.
Её Илья частично решил, но там ещё есть проблемы с короткими наборами знаков, например, отдельно стоящие номера страниц иногда распознаются плохо.