본 포스팅은 CS576 수업에서 제가 새로 배운 부분만 정리한 것입니다.

Image Classification pipeline

1. regions 추출
   • Blob detection
2. descriptors 계산
   • SIFT
3. clusters 하고 frequencies 계산 (여러 이미지 사이에)
   • k-mean clustering (최적의 솔루션 찾을 수 없음, 다른 초기값을 가지도록 여러 모델을 돌려서 최적의 모델을 찾음)
     • k cluster center를 설정
     • 모든 데이터를 가까운 class로 설정
     • 다시 center 정함
   • BoW
     • geometric information이 없다는 단점
   • Dense descriptors
     • dense image grid에서 sift 추출
   • spatial pyramid
     • different level로 region을 다양하게 나눠서 사용
   • dense keypoints를 얻은 후, tilting을 하여 robustness를 포기하고 information을 얻음.
4. compute distance matrix
   • Nonparameteric approach
     • nearest neighbor (outlier에 sensitive하다)
     • KNN : K closed examples
       • runtime complexity
       • outlier에 sensitivity함
       • high-dimensional space에서 similarity를 계산
   • Parameteric approach
     • linear model
5. classification(SVM)