Assignment 2 - One Shot Learning

Team: onesho Pour évaluer nos performances sur le MNIST et sur CIFAR 10, 2 possibilités s'offrent à vous:

éxecuter le main après s'être assuré que les fichiers .h5 venant du Git Large File Storage ont bien été téléchargés dans le dossier où se situe le main (Attention: l'exécution complète peut prendre du temps car nous n'utilisons pas keras-gpu.)
ouvrir les différents notebook et regarder les résultats d'éxecution (Attention, l'execution de ces notebook risque de ne pas fonctionner en raison de droit d'accès google drive).

Enfin pour le projet de détection d'objet, il est préférable de regarder les notebooks situés dans le dossier Object Detection Final Results.

Name		Name	Last commit message	Last commit date
Latest commit History 79 Commits
Object Detection Final Result		Object Detection Final Result
.gitattributes		.gitattributes
CNN_Cifar10_Full.py		CNN_Cifar10_Full.py
CNN_vs_CNN_+_Siamese_cifar10.ipynb		CNN_vs_CNN_+_Siamese_cifar10.ipynb
Cars_prepare_hd_embeddings.py		Cars_prepare_hd_embeddings.py
Image_Analysis_Complexity.py		Image_Analysis_Complexity.py
Presentation_mi-projet.pdf		Presentation_mi-projet.pdf
Presentation_resultats.pdf		Presentation_resultats.pdf
Projet_2___One_Shot_Learning_vf.pdf		Projet_2___One_Shot_Learning_vf.pdf
README.md		README.md
ROI_detection.ipynb		ROI_detection.ipynb
SiameseCNN_Cifar.h5		SiameseCNN_Cifar.h5
SiameseCNN_Cifar2.h5		SiameseCNN_Cifar2.h5
SiameseCNN_Cifar_sigmoid.h5		SiameseCNN_Cifar_sigmoid.h5
SiameseNN_MNIST.py		SiameseNN_MNIST.py
Siamese_CNN_Cifar.py		Siamese_CNN_Cifar.py
Siamese_on_MNIST.h5		Siamese_on_MNIST.h5
Siamses_CNN_MNIST.py		Siamses_CNN_MNIST.py
main.py		main.py
mnist_4classes_features_extraction.ipynb		mnist_4classes_features_extraction.ipynb
mnist_one_shot_contrastive.ipynb		mnist_one_shot_contrastive.ipynb
mnist_siamese_contrastive_loss.ipynb		mnist_siamese_contrastive_loss.ipynb
official_CNN_on_Cifar.h5		official_CNN_on_Cifar.h5

JoachimDublineau/one-shot-learning