Vergleich von Distanzen und Kernel für Klassifikatoren zur Optimierung der Annotation von Bildern
dc.contributor.author | Askinadze, Alexander | |
dc.contributor.editor | Ritter, Norbert | |
dc.contributor.editor | Henrich, Andreas | |
dc.contributor.editor | Lehner, Wolfgang | |
dc.contributor.editor | Thor, Andreas | |
dc.contributor.editor | Friedrich, Steffen | |
dc.contributor.editor | Wingerath, Wolfram | |
dc.date.accessioned | 2017-06-30T11:39:35Z | |
dc.date.available | 2017-06-30T11:39:35Z | |
dc.date.issued | 2015 | |
dc.description.abstract | Die stetig steigende Anzahl von Bildern erfordert Verfahren zur maschinellen Annotation. Um automatisch semantische Informationen aus den Bildern zu extrahieren, repräsentieren wir die Bilder durch numerische Vektoren, sogenannte BoW- Histogramme und klassifizieren diese auf vorgegebene Klassen. Als Klassifikatoren werden Nearest-Centroid (NC) und Support Vector Machine (SVM) eingesetzt. Auf der Caltech 101 Bilder-Datenbank liefert der SVM-Klassifikator mit dem empfohlenen RBF-Kernel bessere Ergebnisse als der NC-Klassifikator mit der Euklidischen Distanz. Wir vergleichen verschiedene Distanzfunktionen wie z.B. die Bhattacharyyaund Hellinger-Distanz und zeigen, wie sich die Mahalanobis-Distanz für eine Modifikation des NC-Klassifikators nutzen lässt. Nach einer Evaluation folgern wir, dass der NC-Klassifikator mit anderen Distanzfunktionen die SVM-Ergebnisse erreichen kann und eine Normierung der BoW-Histogramme sich ebenfalls positiv auswirkt. Außerdem zeigen wir, dass sich die Ergebnisse des SVM-Klassifikators signifikant durch den Einsatz des Chi-Quadratund Histogrammschnitt-Kernels verbessern können. | de |
dc.identifier.isbn | 978-3-88579-636-7 | |
dc.identifier.pissn | 1617-5468 | |
dc.language.iso | de | |
dc.publisher | Gesellschaft für Informatik e.V. | |
dc.relation.ispartof | Datenbanksysteme für Business, Technologie und Web (BTW 2015) - Workshopband | |
dc.relation.ispartofseries | Lecture Notes in Informatics (LNI) - Proceedings, Volume P-242 | |
dc.title | Vergleich von Distanzen und Kernel für Klassifikatoren zur Optimierung der Annotation von Bildern | de |
dc.type | Text/Conference Paper | |
gi.citation.endPage | 202 | |
gi.citation.publisherPlace | Bonn | |
gi.citation.startPage | 193 | |
gi.conference.date | 2.-3. März 2015 | |
gi.conference.location | Hamburg |
Dateien
Originalbündel
1 - 1 von 1