Introduction to Distance Metric Learning

課程: 論文研討(三)
日期 : 2012/12/21
時間 : 13:50 ~ 15:30
學生 : 資傳研二 陳冠宏
演講者 : 海洋大學資訊工程學系 張欽圳

心得報告：

         資料的日益增加，為了管理和使用上的方便，我們常把資料分群和分類，把類似的資料放在一起，每個資料都有自己不同的特性，必須用不同的測量方式，一般常用的距離種類有歐氏距離、曼哈頓距離、馬氏距離等。在機器學習時必須先要有一組資料提供訓練，之後機器就可以依照學習到的特性將資料分群和分類。

Bag of Block-Based Visual Words for Image Retrieving and Classification

課程: 論文研討(三)

日期 : 2012/11/16

時間 : 13:50 ~ 15:30

學生 : 資傳研二 張焜翔

演講者 : 義守資工系 郭忠民 教授

心得 :

現今的影像檢索系統，大部份是針對特定的影像資料庫，抽取特徵值用以尋找相近的影像；然而，相同的搜尋方法不一定適用於其他類型資料庫。以顏色特徵值為基礎的搜尋方法，分別應用在黑白、灰階及彩色影像資料庫中，檢索效果有明顯的不同；而以形狀特徵值為基礎者，則適用於前景物體存在且和背景環境差異分明的影像資料庫。有時，使用者又希望直接以影像內容的主觀描述（如影像分類、標的類型、拍攝環境等）來檢索相關影像。

內涵式影像檢索 (Content-based Image Retrieval)

隨著儲存媒介之容量與日俱增，以及數位攝影器材的普及，網際網路上存在著數量龐大的數位影像，如何有效地檢索在資料庫的數位影像，已是多媒體研究的主流之一。傳統的方法是以人工對每張影像指定數個關鍵字，讓使用者鍵入關鍵字來搜尋影像。然而，此種傳統的文字搜尋方法，不僅在註釋關鍵字方面耗費許多的成本，且影像中包含許多紋理 (texture)、形狀或物件空間關係等不易以關鍵字描述的特性。有鑑於此，近年來影像檢索 (image retrieval) 的研究領域，多集中在探討以內涵資訊為基礎 (content-based) 的影像檢索方法。運用影像處理的相關技巧，電腦可以自動從每張影像中擷取許多特徵 (feature)，如顏色的分佈、紋理的變化等，而影像搜尋時，則是尋找資庫中具有類似特徵值的影像。此種內涵式影像檢索方法，不僅可以擷取出許多難以用文字描述的影像特性，而且可以讓電腦自動化去計算特徵值，省去大量的人力成本。

由於影像的顏色與材質分佈，不易以文字描述，現今的查詢方式多要求使用者提供一張範例影像 (example query) 進行檢索。即使如此，由於不同使用者對相同範例影像的認知不同，查詢的結果往往不如人意，因此，現行的影像檢索方法多利用相關回饋 (relevance feedback) 技術，根據使用者回饋的影像，更新範例影像所提供的資訊以及修正影像比對方式，以使查詢結果更符合使用者的需求。 歸納內涵式影像檢索方法，其中不外乎特徵擷取、影像比對與相關回饋三大步驟。