데이터 클러스터링은 이미지 또는 패턴 인식에 어떻게 도움이됩니까?

Question

나는 임의의 데이터 포인트 사이에서 클러스터를 찾기 위해 작업하는 다른 데이터 클러스터링 알고리즘을 사용하여 노드를 나타 냈으며, 데이터 클러스터링이 이미지 인식에 사용된다는 것을 계속 읽었습니다. 연결하지 못하고 클러스터링 데이터가 이미지를 인식하거나 얼굴 인식에 어떻게 도움이됩니까? 누군가 이것을 설명 할 수 있습니까?

Answer 1

클러스터링이 패턴 인식에 크게 사용되며 특히 이미지 인식에 사용된다는 것은 놀라운 일이 아닙니다. 클러스터링은 감소 과정, 그리고이 메가 픽셀 시대의 이미지는 끓여야합니다 ... 카테고리를 생성하는 프로세스 그리고 그것은 물론 유용합니다.

그러나 있습니다 이미지 인식 기술로 클러스터링 사용에 대한 많은 접근 방식. 이 다양성의 이유 중 하나는 기본 픽셀 레벨에서 피처 레벨 (특징 인 선, 기하학적 그림 ...), 분류 또는 기타 목적으로 클러스터링이 다른 레벨로 적용될 수 있기 때문입니다.

매우 높은 수준에서 클러스터링은 통계 도구입니다, 특정 항목의 소속을 특정 범주로 정의 할 때 다양한 차원의 상대적 중요성을 발견하는 데 도움이됩니다.

하나 많은] 그러한 도구의 사용은 다음과 같습니다. 감독 학습, 일련의 사람이 선택한 항목 (이미지) 세트는 특정 항목과 관련된 레이블과 함께 클러스터 기반 논리에 공급됩니다 ( "이것은 사과입니다", "이것은 다른 사과입니다", "이것은 레몬 "...), 클러스터링 로직은 입력의 각 차원이 각 항목 그룹 (사과, 레몬)을 돕는 데 도움이되는 각 차원의 양을 결정합니다. 모양, 또는 점의 존재 또는 무엇이든 많이 중요 할 수 있습니다). 이 훈련 단계 후에, 새로운 이미지가 논리에 공급 될 수 있으며이 이미지가 특정 클러스터에 얼마나 가까워 지는지를 보면 (바나나로서) "인식"됩니다.

이미지 처리와 관련하여 클러스터링 로직에 "공급 된"것은 반드시 원래 데이터의 다양한 "요소"를 특징 짓는 다양한 "객체"가 반드시 (실제로는 거의) 원래 픽셀이 아니라는 것을 기억해야합니다 (본질적으로 A 다른 다른 데이터 클러스터링 예제에서 발생할 수있는 것과는 달리 비교적 높은 차원 벡터의 수집은 프로세스의 이전 단계에서 생성됩니다. 예를 들어 얼굴 인식의 중요한 요소는 아마도 눈 중심 사이의 정확한 거리 일 것입니다. 이전 단계에서는 이미지가 눈이 어디에 있는지 알아내는 방식으로 처리됩니다 (아마도 다른 클러스터링 기반 논리에 의존 할 수 있음). 그런 다음 눈 사이의 거리는 다른 많은 요소와 함께 최종 클러스터링 로직에 공급됩니다.

앞의 설명은 이미지 인식을 위해 클러스터링 사용의 한 예일뿐입니다. 실제로,이 영역에서 다양한 형태의 신경망이 매우 성공적으로 사용되었으며, 어떤 의미에서는 이러한 신경망이 클러스터링 정보라고 주장 할 수 있습니다. 신경망의 성공 이유 중 하나는 소재지 원래 입력에서 발견 된 치수와 계층 적 방식.

이 글에 대한 좋은 결론은 온라인 리소스의 짧은 목록이 될 것이지만, 지금은 시간을 눌렀습니다 ... "계속";-)

다음 날 편집: (주제에 대한 입문 온라인 참고 문헌을 제공하려는 시도 실패)

인공 비전과 이미지 처리에 적용되는 클러스터링 주제에 대한 문헌에 대한 나의 검색은 두 가지 뚜렷한 ... 클러스터 ;-)

• 다음과 같은 책 이미지 처리 및 컴퓨터 비전을위한 알고리즘 J Parkey Pub Wiley, OR 기계 비전 : 이론, 알고리즘, 실용성 M Seul et. Al Cambridge Up. 이러한 책은 일반적으로 노이즈 감소, 에지 감지, 색상 또는 강도 변환 및 이미지 처리 체인의 기타 여러 요소와 관련된 모든 중요한 기술을 다루며, 대부분은 클러스터링 또는 통계적 방법을 포함하지 않으며 장만 또는 장만 예약합니다. 패턴 인식 또는 기타 작업에 적용되는 클러스터링에 대한 두 가지 또는 사소한 언급.
• 학술 논문 및 컨퍼런스 핸드북. 특히 인공 비전과 그와 같은 클러스터링 기술을 다루지 만 가장 좁고 깊은 방식으로 (예 : Fukunaga 및 Narendra 알고리즘의 변형, 또는 가장 가까운 이웃을 선택하기위한 빠른 방법. 어떤 맥락에서든 후보자.)

요컨대, 나는 특정 책이나 기사 제안을 할 수있는 장비가 부족하다고 생각합니다.

"인공 비전"또는 "이미지 인식"또는 위에서 언급 한 일부 또는 타이틀에 의해 키워진 Google Books에서 제목을 찾아 보는 것이 유익한 정보를 찾을 수 있습니다. "이 책에 관한"링크에서 발견 된 미리보기 기능과 태그 클라우드 (BTW의 또 다른 클러스터링 응용 프로그램)를 사용하면 다양한 책 내용에 대한 좋은 아이디어를 얻을 수 있으며 그 중 일부를 구매하기로 결정할 수 있습니다. 불행히도 독자층 감소 와이 분야의 잠재적 인 유리한 응용 프로그램은이 책을 비교적 비싸게 만듭니다. 스펙트럼의 다른 쪽 끝에서, 당신은 때로는 무료로 해당 분야의 고급 주제를 논의하는 연구 논문을 다운로드 할 수 있습니다. 이것들은 또한 일반 (웹) Google 또는 다음과 같은 특수 리포지토리에 나타납니다. Citeseer.

그 분야에서 당신의 탐험에 행운을 빕니다!