论文阅读
Sensor Data Augmentation by Resampling for Contrastive Learning for Human Activity Recognition
Improving Convolutional Networks via Attention Transfer

代码工作

• 调通将聚类改进到对比学习的项目代码，并移植到我们初始的驾驶意图识别代码项目里。
• 修改项目代码，将特征进行融合后再进行聚类。
• 重构初始的驾驶意图识别代码，使得所有参数都可以直接全局调整。
• 调通resampling项目代码进行实验，再将其对比学习损失计算方法修改为聚类的方式进行实验。
• 新机器已经配置好向日葵和ssh，并可正常使用。
• 在 UFDN 中使用 pven 的中的mask划分局部，进行实验，效果很差。
• 在 UFDN 中使并使用空间注意力用pven中的mask计算损失进行指导，效果无明显变化。

使用mask指导后，Rank-1提升，Global Results提升

问题分析

• 在调通resampling和negative项目代码时环境问题
  需要安装对应版本的tensorflow和tensorflow-addons，使用pip安装时会发现安装在全局的python环境中，并没有安装在conda 环境中。
  解决方式是使用 conda 安装需要的依赖包，conda 无法安装的使用 python -m pip install 来进行安装。
• 初始车辆意图识别项目和新的resampling项目的性能测试差异
  可能是评估方法有问题，也可能是测试使用的数据不同。
  目前准备分别将两个项目有差异的地方互相进行实验。

下一步

• 调整参数进行车辆意图识别的实验，并整理实验结果为表格。
• 在UFDN上调整参数进行实验。