Upload
ernst-waltz
View
213
Download
0
Embed Size (px)
Citation preview
06.06.05 Sebastian Loose
DPF – A Perceptual Distance Function for Image Retrieval
Proseminar SS 2005Distanzen und Ähnlichkeitsmaße im
Hochdimensionalem Raum
06.06.05 DPF von Sebastian Loose
Gliederung
• Motivation und Idee• Ausgangspunkt
– Minkowski Metric– Gewichtete Minkowski Metric
• DPF – dynamic partial distance function– Grundlegende Überlegungen– dynamic partial distance function– Leistungstests
1 / 8
06.06.05 DPF von Sebastian Loose
Motivation und Idee
• Bisher: Features
• Idee: Clustering in Feature Space• Ziel: ähnliche Bilder nah beieinander zu halten
• Jetzt: Distanzfunktion
2 / 8
06.06.05 DPF von Sebastian Loose
Ausgangspunkt
Minkowski Metric
• Je kleiner die Distanz, so ähnlicher sind sich die Bilder
• Nachteil: Es wird davon ausgegangen, dass Ähnlichkeit in allen Dimensionen besteht
3 / 8
06.06.05 DPF von Sebastian Loose
Ausgangspunkt
Problem:
Gewichtete Minkowski Metric
• statischer Gewichtungsvektor
• Ähnlichkeit in gleichen Merkmalen
4 / 8
06.06.05 DPF von Sebastian Loose
DPF – dynamic partial distance function
δi = |xi – yi|• Merkmalsdistanz beim i‘ten Merkmal• Normalisiert
Grundlegende Überlegungen
5 / 8
06.06.05 DPF von Sebastian Loose
DPF – dynamic partial distance function
6 / 8
06.06.05 DPF von Sebastian Loose
DPF – dynamic partial distance function
Δm = {die kleinsten m δ‘s von {δ1…δp}}
• Δm Wechselt beim vergleich unterschiedlicher Bilder Dynamik
7 / 8
06.06.05 DPF von Sebastian Loose
DPF – dynamic partial distance function
Leistungstest in 2 Phasen:• Training
– um optimal Größevon „m“ zu finden
• Testing– um Leistung zu testen
8 / 8