wie funktioniert Daten-clustering Hilfe bei Bild-oder Mustererkennung

Question

Ich habe das Spiel mit verschiedenen Daten-clustering-algorithmen arbeiten auf der Suche nach Clustern zwischen zufälliger Datenpunkte repräsentiert einen Knoten, halte ich Lesen, dass der Daten-clustering wird verwendet Bild Anerkennung.Ich bin versagt, um die Verbindung herzustellen, wie funktioniert clustering-Daten helfen, zu erkennen, ein Bild oder Gesichtserkennung.kann sich das jemand erklären?

Answer 1

Es ist keine überraschung, dass das clustering verwendet wird, für die Mustererkennung in großen und Bilderkennung insbesondere:clustering ist eine Reduzierung der Prozess -, und Bilder in diesem megapixel-ära müssen einkochen...Es ist auch ein Prozess, der erzeugt Kategorien und das ist natürlich nützlich.

Es gibt jedoch viele Ansätze zur Verwendung von clustering als eine Technik zur Bilderkennung.Einer der Gründe für diese Vielfalt ist, dass das clustering kann angewendet werden auf verschiedenen Ebene, die für verschiedene Zwecke:von einfachen pixel-Ebene Funktion Ebene (feature-eine Linie, die eine geometrische Figur...), für die Klassifizierung oder für andere Zwecke.

Auf einem sehr hohen Niveau, clustering ist ein statistisches Werkzeug, es hilft zu entdecken, die relative Wichtigkeit der verschiedenen Dimensionen in die Definition der Zugehörigkeit bestimmtes Element einer bestimmten Kategorie.

Eine [von vielen] Verwendung[s] von solch einem tool ist, der wird mit das betreute lernen, wobei eine Reihe von Menschen-ausgewählte Elemente (z.B. Bilder) gefüttert werden, die in der cluster-basierte Logik, zusammen mit einem Etikett, die einem bestimmten Element zugeordnet ("dies ist ein Apfel", "das ist ein Apfel", "das ist eine Zitrone"...), das clustering-Logik bestimmt dann, wie viel jede dimension des Eingabe-Fragen, für helfen, jede Gruppe von Elementen (äpfel, Zitronen,...) passen in verschiedene cluster (zum Beispiel die Farbe kann die Materie relativ wenig, aber die Form, oder das Vorhandensein von Punkten oder was auch immer die Angelegenheit viel).Nach dieser Trainingsphase, neue Bilder eingespeist werden kann, um die Logik und die Sie beobachtet haben, wie in der Nähe eines bestimmten cluster dieses Bild fällt, es wird "erkannt" (wie eine Banane!).

Wenn es um die Bildbearbeitung muss man daran erinnern, dass alles, was "fed" zu den Clustern Logik ist nicht unbedingt (in der Tat, selten) raw Pixel, aber verschiedene "Objekte" die Charakterisierung von verschiedenen "Elemente" von den original-Daten, (im wesentlichen eine Sammlung von relativ hoher dimension, Vektoren, nicht im Gegensatz zu einigen, dass man begegnet im anderen Daten-clustering-Beispiele), und produziert von früheren Phasen des Prozesses.Zum Beispiel ein wichtiges element der Gesichtserkennung ist wohl die genaue Entfernung zwischen der Mitte der Augen.In früheren Stadien, die Bild ist verarbeitet in einer Weise, dass die zahlen heraus, wo die Augen sind (möglicherweise sich auf einem anderen clustering-basierte Logik).Dann ist der Abstand zwischen den Augen, zusammen mit vielen anderen Elementen sind, zugeführt, um die endgültige clustering-Logik.

Die vorangegangene Beschreibung ist nur ein Beispiel für die Verwendung von clustering for image recognition.In der Tat, verschiedene Formen von neuronalen Netzen verwendet wurden, sehr erfolgreich, in diesem Bereich, und es kann argumentiert werden, dass in einem gewissen Sinn sind diese neuronalen Netzen clustering-Informationen.Einer der Gründe für den Erfolg von neuronalen Netzen liegen in Ihrer Fähigkeit zu mehr respektvoll mit der Ort dimension wie in der ursprünglichen Eingang, und auch Ihre Fähigkeit zur Arbeit in einem hierarchisch.

Ein gutes Fazit zu diesem schreiben, wäre eine kurze Liste von online-Ressourcen, aber ich hab sehr wenig Zeit im moment..."to be continued" ;-)

Nächsten Tag Bearbeiten:(gescheiterten Versuch einer einführenden online-Bibliographie zum Thema)

Meine Suche nach Literatur zum Thema clustering angewendet, um künstliche vision und Bildverarbeitung ergab zwei verschiedene...Clustern ;-)

• Bücher wie Algorithmen für Bildverarbeitung und computer vision J Parkey pub Wiley, oder Machine Vision :Theorie-Algorithmen Praktische M Seul et.Al Cambridge UP.Diese Bücher decken in der Regel alle wichtigen Techniken im Zusammenhang mit Rauschunterdrückung, Kantenerkennung, Farbe oder Intensität Konvertierung und viele andere Elemente der Bildverarbeitung Kette, von denen die meisten nicht mit clustering oder auch statistische Methoden, und Sie behalten nur ein oder zwei Kapitel, oder auch kleinere Erwähnungen, die zur Clusterbildung, wie Sie auf Mustererkennung oder für andere Aufgaben.
• Scholarly papers and conference Handbücher, die speziell cover clustering-Techniken angewandt, um die künstliche vision und solche, aber in der engsten und tiefsten Mode (ex:Variationen über das Fukunaga und Narendra-Algorithmus für Anwendungen in Zeichenerkennung oder Schnelle Methoden für die Auswahl des Nächsten Nachbarn Kandidaten in welchem Kontext.)

Kurz fühle ich mich schlecht ausgerüstet, um alle bestimmtes Buch oder Artikel-Vorschlag.

Sie finden es informativ zu durchsuchen Titel sagen, Google books, die Eingabe durch "Artificial vision" oder "Bild-Erkennung" oder einigen oder die Titel bereits erwähnt.Mit der Vorschau-Funktion und auch die tag-cloud (btw eine weitere Anwendung von clustering) finden Sie in "über dieses Buch" - link, kann man sich eine gute Vorstellung von den vielfältigen Büchern, Inhalte und vielleicht zum Kauf entscheiden, einige von Ihnen.Leider reduziert die Leserschaft und die potenziell lukrative Anwendungen in die Feld machen diese Bücher relativ teuer.Am anderen Ende des Spektrums, können Sie es herunterladen, teilweise sogar kostenlos, Forschungsarbeiten zu diskutieren advanced topics in das Feld ein.Diese wird auch zeigen, bis auf regelmäßige (web) Google oder bei spezialisierten Repositorien wie CiteSeer.

Viel Glück mit Ihrer Erkundung in das Feld an!