hugo feitosa yuri lacerda. introdução projeto protótipo avaliação trabalhos futuros ...
Post on 07-Apr-2016
218 Views
Preview:
TRANSCRIPT
Avanço da tecnologia:◦ Câmeras Digitais◦ Câmeras com GPS◦ Telefones celulares com câmera integrada◦ Baixo custo de armazenamento
Grande quantidade de fotografias digitais Dificuldade para organizar e recuperar fotos
Metadados (Exif)◦ Data/Hora◦ Localização (Latitude, Longitude)◦ Modelo da Câmera◦ Marca◦ Entre outros
Recordação◦ Lugares◦ Eventos
Exemplo: ◦ Casamento◦ Aniversário◦ Viagem◦ Etc.
tempo
Câmera Ie1 e2 e3 e4 e5
E(n) – Evento nLt(n) – latitude nLg(n) – longitude n
Lt1, Lg1 Lt2, Lg2 Lt3, Lg3 Lt4, Lg4 Lt5, Lg5
Organizar a coleção de fotografias de um determinado usuário em eventos automaticamente
A partir de informações espaciais e temporais dos metadados das imagens utilizar um algoritmo de agrupamento e um de segmentação para detectar os eventos
AlgoritmoSelecione K pontos como os centróides iniciais;repeat Forme K clusters adicionando todos os pontos ao do centróide mais próximo;
Recalcule o centróide de cada cluster;until Os centróides não mudaram;
Desvantagem◦ Deve ser informado a quantidade de grupos a
serem criados;
Algoritmo de agrupamento baseado em densidade
Vantagens◦ Os parâmetros de entrada são fáceis de serem
estimados epsilon: 1Km Número mínimo de elementos em um grupo: 1
Desvantagem◦ Epsilon não é variável
Separa os grupos espaciais em eventos baseado nos dados temporais das fotografias
Calculo do intervalo entre eventos (Estratégia simples)◦ Intervalo < (média dos intervalos + desvio padrão)
Desvantagens◦ Um evento real pode ser separado em mais de um
evento.◦ Alguns eventos reais podem ser classificados como
um único evento.
Base de dados◦ 793 fotografias georreferenciadas separadas em
20 pastas Análise do agrupamento espacial Análise do agrupamento temporal
Agrupamento espacial isoladamente não organiza as fotografias em eventos, pois pode existir vários eventos próximos (espacialmente)◦ Exemplo:
Aniversário – Restaurante Estação da Cachaça - Campina Grande – PB no dia 05/08/2007
Festa– Restaurante Magia do Verde - Campina Grande – PB no dia 10/11/2007
Inconsistências:◦ Grupos com mais de uma pasta (Solução:
Segmentação temporal)◦ Fotos de uma única pasta separadas em vários grupos
(Solução: Pós-processamento manual ou automático)
Separa os grupos que contém fotografias de mais de uma pasta
Pode gerar as inconsistências:◦ Separar uma única pasta em mais de um evento◦ Agrupar mais de uma pasta em um único evento
Cluster
Agrupamento Espacial:◦ Calcular o valor de epsilon para o DBSCAN de forma
adaptativa. Segmentação Temporal:
◦ Executar antes e depois do agrupamento espacial◦ Utilização de informações externas (Ex: agenda do
usuário) para uma melhor classificação temporal das fotos
Permitir a organização manual Atribuir nome aos eventos automaticamente.
◦ Ex: gazetteer’s, web services, agenda do usuário, etc. Medidas de pós-processamento para auxiliar a
correção de erros
Organização automática facilita o gerenciamento das fotografias dos usuários
A organização automática está sujeita a erros
O DBSCAN é um algoritmo satisfatório para o agrupamento espacial
Mor Naaman, Yee Jiun Song, Andreas Paepcke, Hector Garcia-Molina. Automatic Organization for Digital Photographs with Geographic Coordinates. In proceedings, Fourth ACM/IEEE-CS Joint Conference on Digital Libraries, (JCDL 04), June 2004. Winner, Vannevar Bush Best Paper Award.
Introduction to Data Mining, 1st. Edition. Pang-Ning Tan, Michael Steinbach, Vipin Kumar. Addison-Wesley, 2006
top related