Shlukování založené na Voronoiově dláždění pro klasifikaci a vyhledávání ve videu

Voronoi Tesselation Based Clustering for Video Classification and Retrieval

article in a collection out of WoS and Scopus

Czech

Přestože existuje mnohoshlukovacích algoritmů, obecně není možné je použít provšechny typy úloh. Iniciujícím problémem bylo vytvoření comožná nejvyššího počtu (tisíce) tříd pro klasifikaci popisulokálních obrazových rysů ve velkém množství videa proevaluaci TRECvid 2008. Tyto mnohorozměrné vektory pokrývajíprostor téměř spojitě a běžně používané shlukovací metodynejsou schopny vytvořit potřebný počet tříd nebo skončit v"rozumném" čase.

Proto jsme vyvinulimetodu založenou na Voronoiově dělení prostoru, která vyžadujemaximálně 2 průchody daty. Je založena na náhodném nalezeníshluků v místech s (teoreticky) nejvyšší hustotou. Vzhledem kvelkému množství dat, je možné vytvořit dostatečně vyššímnožství kandidátních shluků, z nich vybrat požadovaný počettříd (nižší, ale stále velký), a zbytek dat přiřadit dotěchto tříd. Provedené experimenty prokázaly, že navrženámetoda implementovaná jako sada SQL funkcí a dotazů, otestovanána rozsáhlém problému a velkém množství výsledných shluků,je řádově rychlejší, než běžně používané přístupy.

Althoughthere are many clustering techniques, it is not possible to use themfor all purposes. The initiative problem was to create as manyclusters as possible (eg. thousands) for the local image featuresdescription in huge amount of video for TRECVid 2008 evaluation.These large dimensional vectors cover the space almost continuouslyand commonly used clustering methods are unable to create enoughclasses or to finish in serious time.

Therefore,we have invented a new method based on Voronoi tessellation thatneeds no more than two passes through the data. It is based ondiscovery of clusters in higher density locations. Because of largedataset, it is possible to create higher amount of candidate clustersand select appropriate number of classes (large but not huge) and therest data assign to these classes. The method has been implemented asa set of SQL functions and queries and tested on a huge problem andlarge amount of classes. Performed experiments have proven that it issignificantly faster than common techniques.

Shlukování,klasifikace, vyhledávání, video, lokální rysy

Clustering, Classification, Video Search, Local Features

CHMELAŘ, P.; BURGETOVÁ, I.

2009

4. 2. 2009

Vydavateľstvo STU

Brno

978-80-227-3015-0

ZNALOSTI 2008, Proceedings of the 8th annual conference

71

82

12