Differences

This shows you the differences between two versions of the page.

--- poppy-kine:gmmriemannian [2018/04/10 08:51]
m16devan [Code]
+++ poppy-kine:gmmriemannian [2018/04/10 09:49]
m16devan [Code]
@@ Line 49: / Line 49: @@
 save('modelExo3','model');
 </code>
-Le modèle GMM est appris à partir des données d'apprentissage. Le nombre de gaussiennes du modèle est décidé par l'intermédiaire du paramètre //model.nbStates// au début du code. Le paramètre //nbIter// détermine le nombre d'itérations maximum pour l'apprentissage. Le modèle appris est ensuite sauvegardé.
+Le modèle GMM est appris à partir des données d'apprentissage. Le nombre de gaussiennes du modèle est décidé par l'intermédiaire du paramètre //model.nbStates// au début du code. Le paramètre //nbIter// détermine le nombre d'itérations maximum pour l'apprentissage.
+De plus, pour segmenter la séquence en différent segments temporels correspondant à différents mouvements unitaires, et ainsi utiliser ces segments lors de l'évaluation, la fonction '
+Le modèle appris est ensuite sauvegardé.
     * 2. Evaluation
@@ Line 71: / Line 73: @@
 dataTest{1}=dataTest_;oriMatTestLong{1}=oriMatTest_;posMatTestLong{1}=posMatTest_;
 </code>
+Ensuite la séquence peut être évaluée:
+<code matlab>
+%% Evaluate sequence
+for rep=1:length(dataTest)
+    % temporal alignment
+    if registration==1
+        [dataTestAligned,r,allPoses,poses,motion,distFI] = temporalAlignmentEval(model, dataTrain,dataTest{rep},fastDP);
+        posMatTest=posMatTestLong{rep}(:,r);
+    else
+        dataTestAligned=dataTest{rep};
+    end
+    % compute likelihoods
+    [Lglobal,Lbodypart,Ljoints] = computeLikelihoods(model,dataTestAligned);
+    % get scores
+    seuils=[seuil seuil seuil seuil seuil seuil];minseuils=[-500 -500 -500 -500 -500 -500]; %default values
+    [Sglobal,Sbodypart,Sjoints] = computeScores(model,Lglobal,Lbodypart,Ljoints,seuils,minseuils);
+    scoreLA=[Sbodypart{1}.global.global Sbodypart{1}.global.perSegment];
+    scoreRA=[Sbodypart{2}.global.global Sbodypart{2}.global.perSegment];
+    scoreCol=[Sbodypart{3}.global.global Sbodypart{3}.global.perSegment];
+    % For each score, the first value corresponds to global score for the
+    % whole sequence, and then for each temporal segment
+end
+</code>
+Le score pour chaque partie du corps se trouve dans //scoreLA//, //scoreRA// et //scoreCol// pour le bras gauche, le bras droit et la colonne respectivement. Chaque vecteur contient d'abord le score calculé pour toute la séquence puis pour chaque segment temporel.