Wavelet 실험 정리

[kjw0612]

@deruci 되는 대로 정리 해주셈~

[deruci]

-----실험 환경-----
wavelet filter = bior6.8
train시 residual은 LL에만 사용 (level1, level2 모두)
input channel 수만 바뀌고, 나머지 구조는 모두 기본 rcn 그대로

wavelet branch의 rcn_coef_4to1 및 rcn_lev2 폴더 안에 있는 코드 사용.

input channel 수 4, output channel 수 1, wavelet level 1.
나머지 LH, HL, HH가 거의 트레이닝 되지 않고, 성능에 끼치는 영향도 작음.

input channel 수는 legend에 쓰여 있는 숫자대로, output channel 수 1, wavelet level 2.
표시된 error는 모두 validation error.
LL2의 경우 LR과 HR이 매우 가깝다. (작은 error) H 정보가 L 정보를 돕고 있지만 아주 크지는 않다.

LH2 : 입력 채널에 LL2와 자기자신만 넣은 것 (12to2)가 가장 잘 나온다. 다른 H 채널(LH,HL,HH)들의 경우에도 마찬가지다. 다만 그 차이가 크지는 않다. LL2가 없더라도 어느정도는 예측된다(?)

HL2 : LH의 결과와 거의 같은 모양이다.

HH2 : LL2 없이는 아예 예측되지 않는다. 역시 입력 채널에 LL2와 자기자신만 넣은 것이 제일 좋다.

LH2와 HL2를 배울 때 HH2를 준 것과 안 준것의 비교. HH2 정보의 유무가 큰 차이를 주는 것 같지는 않다.

정리.

LL2는 {LL2,LH2,HL2,HH2} -> {LL2}
나머지는 {LL2, high} -> {high}, high = LH2, HL2, HH2
일 때 가장 잘 배운다(?).

[deruci]

TODO :
DAG으로 된 rcn으로 wavelet 아이디어들 다시 구성해서 실험해보기.
그간 논의했던 아이디어들 정리해서 wiki 화
Graphviz 만들기 (DAG에서)

[kjw0612]

위에서 말한대로 제일 좋은 조합으로만 구성해서... {1234}to1,{12}to2,{13}to3,{14}to4에 해당하게 네트워크 4개 만들어서 합한후에 rcn하고 성능 비교해 보면 어떨까?