Analyse verschiedener Verfahren zur Klassifikation von Bildern

Masterthesis (c) by Sven Maack (inf101913)

Inhalt

• Grundidee / Theorie
• Daten
• Analytische Verfahren
• Neuronale Netze
• (Optimierungen)

Grundidee

• Erfahrung aus der Alike App
• Ziel ist die Kategorisierung von Bildern
• Vergleich verschiedener Ansätze mit dem Hype der Neuronalen Netze
• Nachvollziehbarkeit / Interpretierbarkeit

Theorie

• Merkmalsextraktion
• Aufteilung in Trainings- / Validierungs- / Testmenge

• Representer Theorem

Daten

Visualisierung

• PCA (Haupkomponentenanalyse)

Visualisierung (t-SNE)

• Verschiebung gemäß Ähnlichkeit

• Gaußverteilung

Visualisierung (t-SNE)

Triviale Methoden

• Mittelwertberechnung (17%-23%)

• kNN (85%-98%)

Regressionen

y = m' x + b

• Erkennunsgrate von 84%-93%
• Problem in Komplexität des Featurevektors

Ridge-Regressionen

Erkennungsrate: 62% - 76%

Kernel-Regressionen

Kernel-Regressionen

• Mercer Theorem
• Erkennungsrate: 83%-88%

Kernel-Probleme

Support Vektor Maschine

Zwischenresultat

Neuronale Netze

Cells that fire together wire together

Approximations Theorem

Erkennung der RR von 62.5% auf 79,6% gestiegen

Noch Fragen?