1 / 9

DPF – A Perceptual Distance Function for Image Retrieval

DPF – A Perceptual Distance Function for Image Retrieval. Proseminar SS 2005 Distanzen und Ähnlichkeitsmaße im Hochdimensionalem Raum. Gliederung. Motivation und Idee Ausgangspunkt Minkowski Metric Gewichtete Minkowski Metric DPF – dynamic partial distance function

makya
Download Presentation

DPF – A Perceptual Distance Function for Image Retrieval

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. DPF – A Perceptual Distance Function for Image Retrieval Proseminar SS 2005Distanzen und Ähnlichkeitsmaße im Hochdimensionalem Raum

  2. Gliederung • Motivation und Idee • Ausgangspunkt • Minkowski Metric • Gewichtete Minkowski Metric • DPF – dynamic partial distance function • Grundlegende Überlegungen • dynamic partial distance function • Leistungstests DPF von Sebastian Loose 1 / 8

  3. Motivation und Idee • Bisher: Features • Jetzt: Distanzfunktion • Idee: Clustering in Feature Space • Ziel: ähnliche Bilder nah beieinander zu halten DPF von Sebastian Loose 2 / 8

  4. Ausgangspunkt Minkowski Metric • Je kleiner die Distanz, so ähnlicher sind sich die Bilder • Nachteil: Es wird davon ausgegangen, dass Ähnlichkeit in allen Dimensionen besteht DPF von Sebastian Loose 3 / 8

  5. Ausgangspunkt Problem: Gewichtete Minkowski Metric • statischer Gewichtungsvektor • Ähnlichkeit in gleichen Merkmalen DPF von Sebastian Loose 4 / 8

  6. DPF – dynamic partial distance function δi= |xi – yi| • Merkmalsdistanz beim i‘ten Merkmal • Normalisiert Grundlegende Überlegungen DPF von Sebastian Loose 5 / 8

  7. DPF – dynamic partial distance function DPF von Sebastian Loose 6 / 8

  8. DPF – dynamic partial distance function Δm = {die kleinsten m δ‘s von {δ1…δp}} • Δm Wechselt beim vergleich unterschiedlicher Bilder • Dynamik DPF von Sebastian Loose 7 / 8

  9. DPF – dynamic partial distance function Leistungstest in 2 Phasen: • Training • um optimal Größevon „m“ zu finden • Testing • um Leistung zu testen DPF von Sebastian Loose 8 / 8

More Related