تصنيف الكائنات من خلال البحث عن الصور

تُلحق تقنية تحديد الموقع المطلق pLSA (ABS-pLSA) معلومات الموقع بكل كلمة مرئية عن طريق تحديد موقعها في إحدى نقاط X في الصورة. هنا،${\displaystyle \displaystyle x}$يمثل هذا أيًّا من الفئات التي تندرج تحتها الكلمة المرئية. المعادلة الجديدة هي:

${\displaystyle \displaystyle P(w|d)=\sum _{z=1}^{Z}P(w,x|z)P(z|d)}$

${\displaystyle \displaystyle P(w,x|z)}$و${\displaystyle \displaystyle P(d)}$يمكن حلها بطريقة مشابهة لمشكلة pLSA الأصلية، باستخدام خوارزمية EM

تكمن إحدى مشكلات هذا النموذج في أنه غير ثابت عند تغيير حجمه أو مقياسه . فبما أن مواقع الكلمات المرئية ثابتة، فإن تغيير حجم الكائن في الصورة أو تحريكه سيؤثر بشكل كبير على التوزيع المكاني للكلمات المرئية في مختلف الفئات.

نموذج pLSA الثابت بالترجمة والمقياس (TSI-pLSA). يُوسّع هذا النموذج نموذج pLSA بإضافة متغير كامن آخر، يصف الموقع المكاني للكائن المستهدف في الصورة. الآن، الموقع${\displaystyle \displaystyle x}$يُعطى وصف الكلمة المرئية نسبةً إلى موقع هذا الكائن، بدلاً من تحديد موقع مطلق لها في الصورة. المعادلة الجديدة هي:

${\displaystyle \displaystyle P(w,x|d)=\sum _{z=1}^{Z}\sum _{c=1}^{C}P(w,x|c,z)P(c)P(z|d)}$

مرة أخرى، المعايير${\displaystyle \displaystyle P(w,x|c,z)}$و${\displaystyle \displaystyle P(d)}$يمكن حلها باستخدام خوارزمية EM .${\displaystyle \displaystyle P(c)}$يمكن افتراض أن التوزيع منتظم.

تم اختيار الكلمات في الصورة باستخدام 4 كاشفات ميزات مختلفة: ^{[ 1 ]}

• كاشف بروز كادير-برادي
• كاشف هاريس متعدد المقاييس
• فرق التوزيعات الغاوسية
• المشغل القائم على الحافة، الموصوف في الدراسة

باستخدام هذه الكواشف الأربعة، تم الكشف عن حوالي 700 ميزة لكل صورة. ثم تم ترميز هذه الميزات كمُعرِّفات تحويل ميزات ثابتة المقياس ، وتمت معالجتها كميًا لتتوافق مع إحدى الكلمات الـ 350 الموجودة في دليل الترميز. وقد تم حساب دليل الترميز مسبقًا من الميزات المستخرجة من عدد كبير من الصور التي تغطي فئات كائنات متعددة.

أحد الأسئلة المهمة في نموذج TSI-pLSA هو كيفية تحديد قيم المتغير العشوائي${\displaystyle \displaystyle C}$يمكن أن يأخذ عددًا كبيرًا من القيم. إنه متجه رباعي الأبعاد، تصف مكوناته مركز الكائن بالإضافة إلى مقياسي x و y اللذين يحددان مربعًا محيطًا بالكائن، لذا فإن نطاق القيم الممكنة التي يمكن أن يأخذها هائل. للحد من عدد مواقع الكائنات المحتملة إلى عدد معقول، يتم أولاً إجراء تحليل pLSA عادي على مجموعة الصور، ولكل موضوع يتم تركيب نموذج خليط غاوسي على الكلمات المرئية، مع ترجيحه بواسطة${\displaystyle \displaystyle P(w|z)}$حتى${\displaystyle \displaystyle K}$يتم تجربة التوزيعات الغاوسية (مع السماح بوجود نسخ متعددة من الكائن في صورة واحدة)، حيث${\displaystyle \displaystyle K}$ثابت.

يجب تهيئة مجموعة البيانات، أو تزويدها بمجموعة أولية من الصور التي تُعدّ نماذج جيدة لفئة الكائن المراد تعلمها. يمكن جمع هذه الصور تلقائيًا باستخدام الصفحة الأولى تقريبًا من الصور التي يعرضها محرك البحث (والتي عادةً ما تكون أفضل من الصور اللاحقة). أو بدلاً من ذلك، يمكن جمع الصور الأولية يدويًا.

لتعلم مختلف معايير نموذج HDP بشكل تدريجي، تُستخدم طريقة أخذ عينات جيبس ​​على المتغيرات الكامنة. تُنفذ هذه الطريقة بعد إضافة كل مجموعة صور جديدة إلى مجموعة البيانات. تتضمن طريقة أخذ عينات جيبس ​​أخذ عينات متكررة من مجموعة من المتغيرات العشوائية لتقريب توزيعاتها. وتتضمن عملية أخذ العينات توليد قيمة للمتغير العشوائي المعني، بناءً على حالة المتغيرات العشوائية الأخرى التي يعتمد عليها. وبوجود عدد كافٍ من العينات، يمكن الحصول على تقريب معقول للقيمة.

في كل تكرار،${\displaystyle \displaystyle P(z|c)}$و${\displaystyle \displaystyle P(x|z,c)}$يمكن الحصول على ذلك من النموذج الذي تم تعلمه بعد الجولة السابقة من أخذ عينات جيبس، حيث${\displaystyle \displaystyle z}$هو موضوع،${\displaystyle \displaystyle c}$هي فئة، و${\displaystyle \displaystyle x}$هي كلمة بصرية واحدة. وبالتالي، فإن احتمال انتماء صورة ما إلى فئة معينة هو:

${\displaystyle \displaystyle P(I|c)=\prod _{i}\sum _{j}P(x_{i}|z_{j},c)P(z_{j}|c)}$

يتم حساب ذلك لكل صورة مرشحة جديدة في كل تكرار. تُصنف الصورة على أنها تنتمي إلى الفئة ذات الاحتمالية الأعلى.

ولكن لكي تتأهل الصورة لإدراجها في مجموعة البيانات، يجب أن تستوفي شرطاً أقوى:

${\displaystyle \displaystyle {\frac {P(I|c_{f})}{P(I|c_{b})}}>{\frac {\lambda _{Ac_{b}}-\lambda _{Rc_{b}}}{\lambda _{Rc_{f}}-\lambda _{Ac_{f}}}}{\frac {P(c_{b})}{P(c_{f})}}}$

أين${\displaystyle \displaystyle c_{f}}$و${\displaystyle \displaystyle c_{b}}$تمثل هذه القيم فئات المقدمة (الكائن) والخلفية على التوالي، وتصف نسبة الثوابت مخاطر قبول النتائج الإيجابية الخاطئة والنتائج السلبية الخاطئة. ويتم تعديلها تلقائيًا في كل تكرار، حيث تكون تكلفة النتيجة الإيجابية الخاطئة أعلى من تكلفة النتيجة السلبية الخاطئة. وهذا يضمن جمع مجموعة بيانات أفضل.

بمجرد قبول صورة ما باستيفائها المعيار المذكور أعلاه وإضافتها إلى مجموعة البيانات، يجب أن تستوفي معيارًا آخر قبل إضافتها إلى مجموعة الصور المستخدمة في التدريب. تهدف هذه المجموعة إلى أن تكون مجموعة فرعية متنوعة من مجموعة الصور المقبولة. إذا تم تدريب النموذج على جميع الصور المقبولة، فقد يصبح متخصصًا بشكل متزايد، بحيث لا يقبل إلا الصور المشابهة جدًا للصور السابقة.