« SE5 ECEAI/eceai 2023/2024/black-blgrim » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
Ligne 36 : | Ligne 36 : | ||
=== sur le capteur === | === sur le capteur === | ||
pris ene main du capteur, mettre le code, | pris ene main du capteur, mettre le code, | ||
== Séance du 19/12/2023 et du 20/12/2023 == | |||
utilisation de la bibliothèque sciait-learn pour l'apprentissage automatique. Nous avons décidé que le but de notre application serait de traduire le langage des signes. | |||
Pour cela nous avons entrainé notre modèle avec quelques signes, comme la lettre A, B ou C et des chiffres 1, 2 et 3 pour commencer. | |||
//mettre screen des résultats entrainement.py et test.py | |||
Les résultats sont satisfaisants mais avec quelques erreurs, la prochaine étape est donc d'améliorer notre algorithme d'apprentissage (pour l'instant on utilise l'algorithme des k plus proches voisins), pour cela nous allons rajouter par exemple du filtrage et tester d'autres algo d'apprentissage automatique | |||
Coté serveur |
Version du 20 décembre 2023 à 07:28
Compte rendu des séances
Séance du 04/12/2023
Création de la machine virtuelle
Création d'une machine virtuelle sur le serveur chassiron :
xen-create-image --hostname= --force --dist=bookworm --size=10G --memory=10G --dir=/usr/local/xen --password=glopglop --dhcp --bridge=bridgeStudents
Raspberry-Pi
mettre la config de la raspberry
Capteurs
pas de capteurs lors de la première séance
Séance du 18/12/2023
Sur la VM
script serveur.py
sur la raspberry
script client.py
lecture sur l'uart des données envoyés par le stm32
envoie au serveur (tcp)
sur le capteur
pris ene main du capteur, mettre le code,
Séance du 19/12/2023 et du 20/12/2023
utilisation de la bibliothèque sciait-learn pour l'apprentissage automatique. Nous avons décidé que le but de notre application serait de traduire le langage des signes.
Pour cela nous avons entrainé notre modèle avec quelques signes, comme la lettre A, B ou C et des chiffres 1, 2 et 3 pour commencer.
//mettre screen des résultats entrainement.py et test.py
Les résultats sont satisfaisants mais avec quelques erreurs, la prochaine étape est donc d'améliorer notre algorithme d'apprentissage (pour l'instant on utilise l'algorithme des k plus proches voisins), pour cela nous allons rajouter par exemple du filtrage et tester d'autres algo d'apprentissage automatique
Coté serveur