Contenu connexe
Similaire à 2014/07/19_静岡Developers勉強会_実践コンピュータビジョンvol.6_「6章:画像のクラスタリング」 (20)
2014/07/19_静岡Developers勉強会_実践コンピュータビジョンvol.6_「6章:画像のクラスタリング」
- 2. 2014/07/19
静岡Developers勉強会 実践コンピュータビジョン vol.6
2
自己紹介
【名前】
加畑 俊之介
【得意なソフト開発分野】
画像処理・認識/ネットワーク通信/
組み込み/デバイスドライバ/OSカーネル
【勤務先】
ジョーカーピース㈱
http://jokerpiece.co.jp/
会社はWebシステム開発を主としてますが、
浜松オフィスでは上記のような仕事をしてます。
- 5. 2014/07/19
静岡Developers勉強会 実践コンピュータビジョン vol.6
5
処理手順
1. 各点にランダムにクラスタを割り当てる。
2. クラスタの重心を計算する。
3. 点のクラスタを、一番近い重心のクラスタに変更する。
4. 変化がなければ終了。変化がある限りは 2. に戻る。
参考:http://tech.nitoyon.com/ja/blog/2009/04/09/kmeans-visualise/
- 14. 2014/07/19
静岡Developers勉強会 実践コンピュータビジョン vol.6
14
主成分分析の考え方
データの分散が最も大きくなる方向の軸が第1主成分、
次に分散が大きくなる方向の軸が第2主成分、
次に分散が・・・第n主成分
各データを主成分の軸上に射影することにより次元を圧縮が可能
分散が大きくなる方向の軸なので、次元圧縮しても元のデータの損失が小さい
参考: http://www.macromill.com/landing/words/b007.html
- 20. 2014/07/19
静岡Developers勉強会 実践コンピュータビジョン vol.6
20
画像ヒストグラム
◆画像ヒストグラムとは
「どの位の明るさの点が、どの位有るかの分布」を表したグラフ
◆教科書6.2.1では、クラスタリング処理に入力するデータを
RGBの各値を8段階とした画像ヒストグラム(512次元(=8×8×8))
としている。
※C言語的な表現:histgram[r][g][b] の各配列要素でピクセル数をカウント
参考: http://www16.ocn.ne.jp/~aru777/theme_25.html
- 22. 2014/07/19
静岡Developers勉強会 実践コンピュータビジョン vol.6
22
手法概要
1. n個の要素の間の類似度を成分としたn×nの行列を作成する。
※類似度の尺度は「距離」や「個数」など何でもOK
※「総当り戦の表」のような行列 (教科書P-50を参照)
2. 類似度行列を次元圧縮する。次元圧縮の手法には
・ラプラシアン行列のスペクトル分解(教科書の手法)
・主成分分析
・特異値分解
などが用いられる。
3. 各要素の次元圧縮されたデータをクラスタリングする。
クラスタリング手法は任意のものでOK。
教科書ではk平均クラスタリングを適用。
- 23. 2014/07/19
静岡Developers勉強会 実践コンピュータビジョン vol.6
23
スペクトラルクラスタリングのメリット
例えばk平均クラスタリングが苦手とする下記のようなデータでメリットがあります。
参考: http://xn-- p8ja5bwe1i.jp/wiki/%E3%83%90%E3%82%A4%E3%82%AA%E3%83%BB%E3%83%87%E3%83%BC%E3%82%BF%E3%83%BB%E3%83%9E%E3%82%A4%E3%83%8B%E3%83%B3%E3%82%B0/R%E3%81%A7%E3%82%B9%E3%83%9A%E3%82%AF%E3%83%88%E3%83%A9%E3%83%AB%E3%83%BB%E3%82%AF%E3%83%A9%E3%82%B9%E3%82%BF%E3%83%AA%E3%83%B3%E3%82%B0%E3%82%92%E4%BD%BF%E3%81%86/
K平均
スペクトラル
K平均
スペクトラル