фон:Что такое хороший показатель для сравнения вектор-функций и как нормализовать их перед сравнением?
Я работаю над снизу вверх подход к сегментации изображений, где в I первого по-сегмент изображения в маленькую-области/супер-пиксели/супер-воксели, а затем я хочу итеративно объединить прилегание по сегментированным регионам на основе некоторого критерия. Один критерий, с которым я играл, - это измерить, насколько похожи по внешнему виду два региона. Чтобы количественно определить внешний вид региона, я использую несколько измерений - статистику интенсивности, особенности текстуры и т. Д. Я разбиваю все функции, которые я вычисляю для региона, в длинный вектор признаков.
Вопрос:
Указанных два смежные чрезмерно Географические области R1 и R2, пусть F1 и F2 соответствующие векторы особенности. Я задаю следующие вопросы:
- Каковы хорошие показатели для количественной оценки сходства между F1 и F2?
- Как лучше нормализовать F1 и F2, прежде чем количественно определить их сходство с метрикой? (С использованием любого контролируемого подхода к нормализации не представляется возможным, потому что я не хочу, чтобы мой алгоритм быть привязанными к одному набору изображений)
решения в моей голове:
похожести (R1, R2) = dot_product (F1/norm (F1), F2/norm (F2))
На словах я сначала нормализую F1 и F2 как единичные векторы, а затем использую точечный продукт между двумя векторами в качестве меры подобия.
Интересно, есть ли более эффективные способы их нормализации и сравнить их с метрикой. Я был бы рад, если сообщество может указать мне на некоторые ссылки и выписать причины, по которым что-то другое лучше, чем мера сходства, которую я использую.
Возможно, вы имели ввиду euclidean/manhattan после того, как сделали их единичными векторами? Если нет, то это не очень хорошая мера, если она не нормализована. Чтобы привести пример, возьмите две пары смежных областей (R1, R2) и (R3, R4). Теперь представьте себе (R1, R2), который должен быть расположен в месте изображения, где освещенность темная, и (R3, R4) расположены там, где освещение относительно яркое и принимает неравномерное освещение. Также представьте (R1, R3), чтобы иметь ту же текстуру и (R2, R4), чтобы иметь ту же текстуру. В этом случае хорошая мера должна приводить к сходству (R1, R2) = подобие (R3, R4), и евклидово/манхаттан не может это сделать. – cdeepakroy
Если вы подсчитаете сходство с косинусом, это будет идентично вашей предложенной метрике. То есть, сходство (R1, R2) = dot_product (F1/norm (F1), F2/norm (F2)) = dot_product (F1, F2)/(норма (F1) * норма (F2)) = Cosine_Similarity (R1, R2) – dan
Почему я хочу вычислить единичные векторы до получения евклидова расстояния? Например. рассмотрим две точки в двумерном евклидовом пространстве: (1,1) и (5,5). Евклидово расстояние между двумя точками, как можно заметить, было бы sqrt (32). Если я преобразую каждый из них в единичный вектор, оба будут отражать одну и ту же точку. Это то, чего мы хотим? – sandyp