ざっくばらんメモ_3：kaggle、photorealistic画像生成

今回解くべきタスクは各月に対するlogerrorであったが、

現在までは簡単のため月の区別はせずに予測を行っていた。

これは明らかな性能のボトルネックであるので、次に

月毎の予測を行うようモデルを切り替えていきたい。

ただ予測する年月は201610,201611,201612,201710,201711,201712どある一方、

訓練データには2016年のデータしかなく、2017年固有の要素を予測するのは

難しいと思われるので、年の違いは考慮せず、月に対する予測のみを考える。

月毎の予測に切り替えて結果を出したが、

見た感じだと、予測値は月によって変化がなさそうである。

結果：0.0660908で改善なし。

前回stackingありで性能が落ちていた事もあるので、

stackingなしでも試してみる。

結果：0.0660310でほぼ変わらず。

どうにも月に関する情報を活かしきれていないように感じる。

あるいは訓練データには10–12月の情報がないので、月の情報に関する外挿は難しいのかもしれない。

（あるいはバグがあるのかもしれない）

photorealisticな画像をsemanticなレイアウト情報、画像のどのピクセルがどの物体へ属するかの情報、を援用する事で作成するというもの。

生成される画像は、一部うねりがあったりと完全に現実的な訳ではないが、従来手法と比較するとかなりリアルな画像生成ができるようになっているようである。

ある程度綿密なsemanticレイアウト情報が必要となる手法であるが、シミュレーション環境などを用いればシミュレーション画像→対応するsemanticレイアウト→本手法によるphotorealistic画像生成と繋げられるので問題はなさそうである。