Update 'KijowskiM.md'

KijowskiM.md

@@ -18,6 +18,41 @@ Jeśli nie znajdziemy żadnego z piktogramów, paczka jest klasyfikowana jako zw
 
 ### Uczenie modelu
 
+Program ten dysponuje pięcioma klasami, są to:
+* kruche
+* radioaktywne
+* zagrożenia elektryczne
+* biohazard
+* latwopalne
+
+Dla każdej klasy został przygotowany zbiór przedstawiający piktogramy reprezentowane przez te klasy:
+* kruche - 137 zdjęć
+* radioaktywne - 136 zdjęć
+* zagrożenia elektryczne - 141 zdjęć
+* biohazard - 144 zdjęć
+* latwopalne - 120 zdjęć
+
+Dla każdego pliku przygotowałem plik tekstowy o takiej samej nazwie (różniącej się tylko rozszerzeniem), w którym zawarte są współrzędne obiektów które chcemy wyszukiwać. I tak w każdej lini dla każdego obiektu na danym zdjęciu, zgodnie ze schematem:
+
+<object-class> <x> <y> <width> <height>
+
+Z tak przygotowanego zbioru wybrałem losowo niewielką część jako zbiór testowy.
+
+Nasz zbiór uczący używamy w programie [darknet](https://github.com/pjreddie/darknet) do wygenerowania wag dla sieci. Wykorzystałem do tego pretrenowany model i dostosowałem go do potrzeb tego projektu z wykorzystaniem właśnie tego zbioru.
+
+Współczynnik recall (część wspólna obiektu i detekcji przez rozmiar obiektu) dla poszczególnych etapów uczenia na podstawie zbioru testowego:
+
+| Liczba iteracji | Współczynnik recall |
+| -------- | -------- |
+| 100 | % |
+| 200 | % |
+| 500 | % |
+| 1000 | % |
+| 5000 | % |
+| 15000 | % |
+| 30000 | % |
+| 40000 | % |
+
 ### Integracja projektu
 
 ### Implementacja projektu