Implement:
data => dort werden daten gespeichert, bei benutzung ggf einfach die bilder, später auch die tfrecords
preprocessing => face_crop class, die entweder eine methode für alle datensätze hat, oder wenn nötig eigene für bestimmte datensätze, hier würde zb auch das rotieren der gesichter reinkommen und auch die weights.xml fürs face cropping
dataloader => dataloader um die datasets in tfrecord umzuwandeln( für jedes dataset eigene klasse, da alle in verschiedenem format vorliegen
trainer => klassen um die tfrecords zu laden und zu splitten, dann die nn's damit trainieren
mains => scripte die die einzelnen komponenten aufrufen
Implement:
data => dort werden daten gespeichert, bei benutzung ggf einfach die bilder, später auch die tfrecords
preprocessing => face_crop class, die entweder eine methode für alle datensätze hat, oder wenn nötig eigene für bestimmte datensätze, hier würde zb auch das rotieren der gesichter reinkommen und auch die weights.xml fürs face cropping
dataloader => dataloader um die datasets in tfrecord umzuwandeln( für jedes dataset eigene klasse, da alle in verschiedenem format vorliegen
trainer => klassen um die tfrecords zu laden und zu splitten, dann die nn's damit trainieren
mains => scripte die die einzelnen komponenten aufrufen