[ ] Treinar um modelo de classificação de parentesco (KinCLF) a partir da FaCoRNet
[ ] Adaptar models.py:Net_ada3 e incluir uma camada de classificação de parentesco
[ ] Adaptar train_p.py e substituir a perda contrastiva por uma perda cross-entropia
O target é kin_label
[ ] Aplicar deepface ao KinRace
[ ] Aplicar MiVOLO ao KinRace
Em posse do modelo de classificação de parentesco e das informações de gênero (deepface e MiVOLO), deve-se criar o script ours/tasks/ckin.py (cheat kin) que implemente uma lógica que dispense predições incongruentes entre o KinCLF e as labels de gênero providas pelo deepface e MiVOLO.
models.py:Net_ada3e incluir uma camada de classificação de parentescotrain_p.pye substituir a perda contrastiva por uma perda cross-entropiakin_labelEm posse do modelo de classificação de parentesco e das informações de gênero (deepface e MiVOLO), deve-se criar o script
ours/tasks/ckin.py(cheat kin) que implemente uma lógica que dispense predições incongruentes entre o KinCLF e as labels de gênero providas pelo deepface e MiVOLO.