La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

4.2. Descripteurs : BoF et BoW. Approche BagofFeatures (BoF) Daprès Lazebnik (UNC)

Présentations similaires


Présentation au sujet: "4.2. Descripteurs : BoF et BoW. Approche BagofFeatures (BoF) Daprès Lazebnik (UNC)"— Transcription de la présentation:

1 4.2. Descripteurs : BoF et BoW

2 Approche BagofFeatures (BoF) Daprès Lazebnik (UNC)

3 Comparaison des images Score(i,j)d(F k,i,F l,j )

4 Recherche des images similaires - Mesure de similarité entre les descripteurs (SIFT : distance L1, histogrammes – distance L1, coeff de Battacharyya, Ki-2,…, mesures assymetriques) - Score : nombre de descripteurs similaires au sens de la mesure de similarité choisie

5 Recherche des images similaires

6 Recherche des images similaires

7 Stratégie de vote(1)

8 Stratégie de vote(2) K=7 : inconvenients? Non-symétrique

9 Stratégie de vote (3)

10 Extension à la comparaison et recherche de la vidéo

11 Stratégie de vote Calcul de « bonnes » correspondances uniquement en considérant toutes les correspondances équivalentes. Nécessité dune similarité plus « sémantique » Difficultés de « passage en échelle » - une grande quantité des appariements.

12 Approche par Bag of Words BoW Approches inspirées par – la recherche dans des bases de données textuelles – (R. Baeza –Yates, B. Ribero-Neto, Modern Information Retrieval, ACM Press, 1999) – la quantification viselle (codage) ( Lindo Buso Gray) « Dictionnaires visuels »

13 BoW(1) « visage », »herbe », « bâtiment » ???? Lazebnik (UNC) conférence sur BoF, proposé par G. Szurka en 2004

14 BoW(2) 1. Extraction des descripteurs des éléments 2. Construction de lensemble des descripteurs + +…

15 BoW(3)

16 BoW(4)

17 BoW(5)

18 Choix des éléments de limage et des descripteurs(1) Vogel & Schiele, 2003 Fei-Fei & Perona, 2005 Quenot et Ayache 2005, Merialdo, Dumont 2008

19 Choix des éléments de limage et des descripteurs (2) Sivic & Zisserman 2005

20 TF-IDF(1)

21 TF-IDF(2)

22 Méthodes de construction de dictionnaire Algorithmes de groupement de données : clustering Le plus fréquement utilisé est lalgorithme des K-moyennes


Télécharger ppt "4.2. Descripteurs : BoF et BoW. Approche BagofFeatures (BoF) Daprès Lazebnik (UNC)"

Présentations similaires


Annonces Google