تجزئة طيفية متعددة الأبعاد

15

الوصف

ما الذي يجعل رمزًا ثنائيًا جيدًا يحافظ على التشابه؟ أحد الخيارات هو تحديد رمز جيد إذا تطابق Hamming Distance مع المسافة الإقليدية الأصلية. في هذه الورقة ، أظهرنا أن هذا التعريف قد يكون إشكاليًا ، لأنه في التطبيقات التي نهتم فيها باسترجاع \ “جيران متشابهين” ، قد تكون مطابقة جميع المسافات تمامًا مضيعة للبت. بدلاً من ذلك ، اقترحنا معيارًا بديلًا أصليًا ، حيث يكون الهدف هو جعل تقارب Hamming يطابق مصفوفة التقارب المرغوبة. لقد أظهرنا أن هذا يؤدي إلى مشكلة عامل المصفوفة الثنائية المستعصية على الحل ، ولكن يمكن استخدام الاسترخاء الطيفي لبناء أكواد ممتازة باستخدام خوارزميات تعليمية بسيطة للغاية.

النتائج على مليون صورة صغيرة مع 32 بت. في الأعلى واليسار الأوسط: منحنى استدعاء الدقة مع T = sigma / 4 ؛ T = سيجما / 20. أسفل اليسار: متوسط ​​الترتيب من حيث التشابه الإقليدي للجار k الذي تم استرداده بواسطة كل رمز. المنحنيات المنخفضة أفضل. الوسط السفلي: الترتيب المتوقع عند 100 كدالة لعدد البتات. المنحنيات المنخفضة أفضل. اليمين: صورتان اختباريتان تم اختيارهما عشوائيًا والجيران المسترجعين.

 

فايس ، يائير ، روب فيرغوس ، وأنطونيو تورالبا. “تجزئة طيفية متعددة الأبعاد.” المؤتمر الأوروبي للرؤية الحاسوبية. سبرينغر ، برلين ، هايدلبرغ ، 2012.

تجزئة الأجسام المتحركة باستخدام التجميع الطيفي

 

كود MATLAB لطريقة النسب الطيفية لتحديد الفترة الأساسية لاهتزاز التربة

 

https://people.csail.mit.edu/torralba/publications/msh_eccv12.pdf

المراجعات

لا توجد مراجعات بعد.

كن أول من يقيم “تجزئة طيفية متعددة الأبعاد”

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *