In che modo la Guida di Clustering dei dati è in riconoscimento dell'immagine o del modello

Question

Ho giocato con diversi algoritmi di raggruppamenti di dati che lavorano sulla ricerca di cluster tra i punti dati casuali rappresentati un nodo, continuo a leggere che il clustering dei dati viene utilizzato per il riconoscimento dell'immagine. Non riesco a fare la connessione, in che modo i dati del clustering aiutano a riconoscere un'immagine o nel riconoscimento del viso. Qualcuno può spiegarlo?

Answer 1

Non sorprende che il clustering sia utilizzato per il riconoscimento del modello in generale e il riconoscimento dell'immagine in particolare: il clustering è un processo di riduzione, e le immagini in questa epoca di megapixel devono essere bollenti ... è anche Un processo che produce categorie E questo è ovviamente utile.

Tuttavia ci sono molti approcci all'uso del clustering come tecnica per il riconoscimento delle immagini. Una delle ragioni di questa diversità è che il clustering può essere applicato a livello diverso, per scopi diversi: dal livello di base del pixel a livello di caratteristica (la funzione è una linea, una figura geometrica ...), per la classificazione o per altri scopi.

Ad un livello molto alto, Il clustering è uno strumento statistico, Aiuta a scoprire l'importanza relativa di varie dimensioni nella definizione dell'appartenenza di particolare articolo a una particolare categoria.

Uno di molti] utilizzo [s] di tale strumento, è con apprendimento supervisionato, per cui un insieme di elementi selezionati umani (dire immagini) viene inserito nella logica basata su cluster, insieme a un'etichetta associata a un particolare oggetto ("questa è una mela", "questa è un'altra mela", "Questo è un Limone "...), la logica del clustering determina quindi quanto ogni dimensione dell'ingresso è importante per aiutare ogni gruppo di elementi (mele, limoni ...) adattarsi in un cluster distinto (ad esempio il colore può imporre relativamente poco, ma la forma, o la presenza di punti, o qualunque cosa possa importare molto). Dopo questa fase di allenamento, le nuove immagini possono essere alimentate alla logica e vedendo quanto è vicino a un particolare cluster di questa immagine, è "riconosciuto" (come banana!).

Quando si tratta di elaborazione delle immagini, si deve ricordare che qualunque sia "nutrito" alla logica del clustering non è necessariamente (infatti, raramente) i pixel grezzi, ma vari "oggetti" che caratterizzano vari "elementi" dei dati originali (essenzialmente a Raccolta di vettori di dimensione relativamente elevati, non a differenza di alcuni che si possono incontrarsi in altri altri esempi di raggruppamenti di dati) e prodotti da fasi precedenti del processo. Ad esempio, un elemento importante del riconoscimento del viso è probabilmente la distanza esatta tra il centro degli occhi. Nelle fasi precedenti, l'immagine viene elaborata in un modo che si figura in cui gli occhi sono (possibilmente facendo affidamento su un'altra logica basata su clustering). Quindi la distanza tra gli occhi, insieme a molti altri elementi viene alimentata alla logica finale del clustering.

La descrizione precedente è solo un esempio dell'uso del clustering per il riconoscimento dell'immagine. In effetti, sono state utilizzate varie forme di reti neurali, molto con successo, in questo dominio, e si può sostenere che in un senso queste reti neurali sono informazioni di clustering. Una delle ragioni del successo delle reti neurali può mentire nella loro capacità di essere più rispettosa del località dimensione risultante nell'input originale e anche la loro capacità di lavorare in a moda gerarchica.

Una buona conclusione a questa scrittura sarebbe una breve lista di risorse online, ma ho premuto per il tempo al momento ... "Essere continuato" ;-)

Prossimo giorno Modifica.: (tentativo fallito di fornire una bibliografia online introduttiva sull'argomento)

La mia ricerca di letteratura sul tema del clustering applicata alla visione artificiale e alla lavorazione delle immagini ha rivelato due distinti ... cluster ;-)

• Libri come Algoritmi per l'elaborazione delle immagini e la visione informatica J parkey pub wiley, o Vision della macchina: teoria, algoritmi, praticità M seul et. Al Cambridge Up. Tali libri generalmente coprono tutte le tecnoque tutte importanti associate alla riduzione del rumore, la rilevazione del bordo, la conversione del colore o sull'intensità e molti altri elementi della catena di elaborazione delle immagini, la maggior parte dei quali non coinvolgono clustering o anche metodi statistici e si riservano solo un capitolo o Due, o persino minore menzioni, per raggruppamenti, come applicato al riconoscimento del modello o ad altri compiti.
• Le carte accademiche e i manuali della conferenza, che coprono specificamente le tecniche di clustering applicate alla visione artificiale e tali, ma nella moda più stretta e più profonda (ex: variazioni sull'algoritmo di Fukunaga e Narendra, per applicazioni nel riconoscimento dei caratteri o metodi veloci per le selezioni del vicino più vicino candidati in qualsiasi contesto.)

In breve, mi sento mal equipaggiato per fare qualsiasi tipo specifico o suggerimento di articoli.

Potresti trovarlo informativo per navigare nei titoli in dire i libri di Google, digitando per "visione artificiale" o "riconoscimento dell'immagine" o alcuni oi titoli sopra menzionati. Con la funzione di anteprima e anche il tag cloud (Btw un'altra applicazione di clustering) trovata nel link "A proposito di questo libro", si può ottenere una buona idea dei vari contenuti dei libri e magari decidere di acquistarne alcuni. Sfortunatamente la riduzione dei lettori e le applicazioni potenzialmente lucrative sul campo rendono questi libri relativamente costosi. All'altra parte dello spettro, è possibile scaricare, a volte gratuitamente, i documenti di ricerca che discutono argomenti avanzati sul campo. Questi si presenterà anche sul normale (web) Google o in repository specializzati come Cittadino.

Buona fortuna con la tua esplorazione in quel campo!