Dimensionality reduction with side information for image classification
- 1. Dimensionality Reduction with Side Information for Image Classification の紹介 西村仁志 2013/9/3
- 2. 論文について "Dimensionality reduction with side information for image classification“ Alejandro Marcos Alvarez, Makoto Yamada, Akisato Kimura 画像の認識?理解シンポジウム (MIRU2013)
- 3. 1. Introduction ?画像の見え方のみで画像識別するのは難しい ?画像に付与されたタグや，Webのリンク構造を考慮し た手法が出てきている 問題：画像識別にしか使えない 提案：次元削減を通じて画像の付加情報を利用する， 一般的なアプローチ． LFDA(Local Fisher Discriminant Analysis)を改良 利点：?次元削減しても精度が落ちない ?画像識別以外でも使える
- 4. 2. Problem Formulation 次元削減 画像 付加情報 ラベル 従来： と のみを用いる 提案：付加情報 も用いる
- 5. 3. LFDA with Side Information 従来手法 LFDA(Local Fisher discriminant Analysis) 判別分析：クラス内分散小＋クラス間分散大 相関行列によって，データの局所構造をみる クラス１ クラス１ 距離は同じ？ 距離小のはず 距離大のはず
- 6. 相関行列あり→LFDA 従来手法LFDA クラス間分散→大 クラス内分散→小 cn n ：クラスc内のデータ数 ：全データ数 いつもの判別分析の式の書き直し ＋ ＋ － クラス１ クラス２ bS wS
- 7. 相関行列 jiA, 従来： で決めていた(局所の密度を考慮) 提案：付加情報 で決める ?付加情報は相関行列を通じて次元削減に影響する ?次元削減する際 は不要 にはノイズが多い )exp( x? x 大→ 大? jiA, 小→ 小jiA,? クラス１ クラス１
- 8. １，Users information リピンされたユーザには1を ２，Boards information リピンされたボードには1を ３，Clusters information Boardsをクラスタリング． 所属するクラスタには1を 5. Experimental results ?他手法に勝る ?clusters informationを用いたときが最も良い 付加情報(１枚の画像に対して) 4. Pinterest Dataset
- 9. 参考文献摆3闭
- 10. 参考文献摆3闭