Construcción en línea e incremental de Diccionarios Visuales
36
CONSTRUCCIÓN EN LÍNEA E INCREMENTAL DE DICCIONARIOS VISUALES Cristóbal Rojas Profesor Guía: Álvaro Soto 26 de octubre de 2012
-
Upload
cristobal-ariel-rojas-araya -
Category
Documents
-
view
284 -
download
1
description
Los diccionarios visuales son una de las herramientas que se utilizan para resolver los problemas relacionados con reconocimiento de clases (objetos o escenas) en visión por computador. Normalmente se crea un diccionario visual para un problema en particular y un grupo de clases. El proceso de creación del diccionario visual necesita de un periodo de aprendizaje para seleccionar las palabras visuales. Este aprendizaje, se vuelve una limitación cuando tenemos muchas clases de donde obtener las palabras visuales, o cuando queremos agregar una nueva clase a nuestro grupo actual de clases, dado que necesitaremos volver a crear el diccionario visual. Se presenta un algoritmo basado en técnicas de aprendizaje máquina, que permite crear diccionarios y además agregar nuevas clases sin necesidad de volver ejecutar el aprendizaje completo nuevamente.
Transcript of Construcción en línea e incremental de Diccionarios Visuales
CONSTRUCCIÓN EN
LÍNEA E INCREMENTAL
DE DICCIONARIOS
VISUALES
Cristóbal Rojas
Profesor Guía: Álvaro Soto
26 de octubre de 2012
Motivación
• Visión por computador, clasificación
• Escenas y objetos en imágenes
• Técnicas usadas
Diccionario Visual
• Visión por Computador
BoW (Bag of Word)
• Usado en Text Mining
• Queremos clasificar textos (según sus temas)
• Uso de Bag of Word (BoW)
Bag of Word
• Usando BoW para clasificar
Bag of Word
• Diccionario y representación usando BoW
Bag of Word
• ¿Basta solo con la representación BoW?
• Necesitamos un algoritmo de clasificación
ML (Machine Learning)
Diccionario Visual
• Palabras Visuales
• BoW
Palabras Visuales
Palabras Visuales
BoW
BoW
Diccionario Visual
• ¿Cómo formamos el BoW?
• Matching de puntos de interés
Matching de puntos de interés
• Actualmente es tratado como un problema de
clasificación de múltiples clases.
• Lepetit et al. (2005)
Randomized Tree for Real –Time
Keypoint Recognition
• Matching de puntos de interés, problema de clasificación
• Usa Random Forest
Randomized Tree for Real –Time
Keypoint Recognition
• Set de entrenamiento
Randomized Tree for Real –Time
Keypoint Recognition
Pregunta de Investigación
• ¿Podemos construir un algoritmo de matching de puntos
de interés que funcione en línea?
Propuesta
• ¿Podemos crear un diccionario visual que se pueda
actualizar en línea?
• ¿Qué necesitamos para permitir que esto ocurra?
Propuesta
• Buscamos Clasificador de múltiples clases que funcione
en línea
• ECOC
ECOC (Error Correcting Output Codes)
• Clasificador de múltiples clases.
• Separa el problema en muchas clasificaciones binarias.
• Un código ternario a cada clase
• Codificación, Decodificación, Matriz de códigos.
Matriz con Códigos
• Columnas como particiones y tantas filas como clases,
esta formada por 0, 1 y -1
Codificación
• Etapa que genera los códigos de cada clase.
• Existen diversas formas de realizar esta tarea
ECOC: Decodificación
• Etapa de inferencia
• Distintos métodos
ECOC online
• Podemos incluir clases al clasificador sin necesidad de
reentrenar todo el clasificador
ECOC online
Propuesta
• Construir sistema de Matching de puntos clave usando un
clasificador ECOC
Set de entrenamiento
• Datos de lugares del DCC
• Usando SIFT para encontrar puntos de interés
Set de entrenamiento
• Crear Set de clases de los puntos de interés usando
homografías
Codificación
• One vs One
Decodificación
• Weighted decoding
Limitaciones
• Complejidad (tiempo-espacio)
Pasos a seguir
• Terminar de formular un clasificador que puede agregar
puntos de interés de manera online
• Construir el algoritmo que permita verificar si un punto es
nuevo o no
CONSTRUCCIÓN EN
LÍNEA E INCREMENTAL
DE DICCIONARIOS
VISUALES
Cristóbal Rojas
Profesor Guía: Álvaro Soto
26 de octubre de 2012
