ระบุจุดที่ถูกต้องในการวางฉลาก


12

ในภาพที่แสดงด้านล่างผมมีชุดข้อมูล 2D [0,1,2,3]ที่ฉันได้ระบุสี่กลุ่มที่มีป้ายกำกับ ฉันกำลังมองหาอัลกอริทึมในการวางฉลากด้วยวิธีธรรมชาติสำหรับแต่ละรูปร่าง การเดาครั้งแรกของฉันคือการวางพวกเขาใน "จุดศูนย์กลางมวล" ของคลัสเตอร์ซึ่งแสดงอยู่ด้านล่าง สำหรับกลุ่มที่ต่อเนื่องกันทำงานได้ดี สำหรับกลุ่มที่มีรูปร่างเหมือนในคลัสเตอร์0อย่างไรก็ตามวิธีการล้มเหลว หากไม่มีการใช้คำอธิบายภาพจะมีวิธีใดที่ดีกว่าในการวางป้ายกำกับในภาพนี้

* ธรรมชาติที่นี่อยู่ในระดับหนึ่ง แต่ประเด็นของฉลากคือการช่วยให้ผู้ดูเชื่อมโยงภูมิภาคบางแห่งในระนาบ xy ด้วยตัวเลข

ป้อนคำอธิบายรูปภาพที่นี่


1
ยินดีต้อนรับสู่ DSP.SE นี่เป็นคำถามที่ยอดเยี่ยม! =)
Phonon

@Hooked หากกลุ่มนั้นมีการจำลองเป็น gaussians สองมิติของค่าเฉลี่ยและเมทริกซ์ความแปรปรวนร่วม 2x2 จากนั้นฉันจะคิดว่าตำแหน่งตามธรรมชาติจะเป็นค่าเฉลี่ยของ gaussians คุณได้กำหนดค่าเฉลี่ยของกลุ่มไว้แล้ว?
Spacey

คำตอบ:


11

สิ่งที่เกี่ยวกับการวางฉลากที่จุดด้านในสุดของกลุ่ม? เรามานิยามด้านในสุดด้วยการแปลงระยะทางสูงสุดของมาสก์ของเซ็กเมนต์

ด้วยระบบซอฟต์แวร์เช่น Mathematica และการจัดเรียงมันเป็นเรื่องง่ายที่จะประสบความสำเร็จ

หน้ากากสำหรับส่วนเดียวและการแปลงระยะทาง: ป้อนคำอธิบายรูปภาพที่นี่

หลังจากทำซ้ำสำหรับแต่ละเซ็กเมนต์และเลเบลการวางตำแหน่งที่การแปลงระยะทางแต่ละค่าสูงสุด:

ป้อนคำอธิบายรูปภาพที่นี่


1
คุณสนใจที่จะอธิบายอย่างละเอียดเกี่ยวกับความหมายของ "ภายใน" หรือไม่? ฉันไม่สามารถเข้าถึง Mathematica (โดยใช้ python) แต่ฉันควรจะสามารถเขียนรหัสวิธีการแก้ปัญหาใด ๆ ที่นำเสนอ
ติดยา

@Hooked ดูการแก้ไข หากคุณมีฟังก์ชั่นการคำนวณการแปลงระยะทางคุณก็พร้อมแล้ว
Matthias Odisio

2
มันดูดีมากและฉันไม่คิดว่ามันจะเป็นการยากที่จะทำให้สำเร็จ เพื่อให้ชัดเจนการแปลงที่คุณใช้คือ "... การแปลงระยะทางของภาพซึ่งค่าของแต่ละพิกเซลจะถูกแทนที่ด้วยระยะทางเป็นพิกเซลพื้นหลังที่ใกล้ที่สุด" หรือไม่?
ติดยา

ใช่นั่นคือสิ่งนี้ มันจะไม่ยากที่จะใช้โซลูชันนี้หากคุณไม่ต้องใช้รหัสฟังก์ชั่นการแปลงระยะทางด้วยตัวคุณเอง (การติดตั้งอย่างรวดเร็วนั้นยากกว่าการเขียนโค้ด)
Matthias Odisio

8

ฉันขอเสนอว่าสถานที่ที่เหมาะที่จะวางฉลากควรเป็นไปตามวัตถุประสงค์สองประการ:

  • ใกล้กับศูนย์กลาง, พูด .d
  • ความชัดเจนพูดลิตรl

ดังนั้นเราสามารถกำหนดจุดอุดมคติโดยการลดเมตริกแบบองค์รวมเช่นหรือโดยที่เป็นพารามิเตอร์การแลกเปลี่ยนl×dαl+αdα

การกำหนดเป็นแบบตรงไปตรงมา สามารถตั้งค่าเป็นความแปรปรวนทั้งหมด (หรือการวัดระดับรายละเอียดอื่น ๆ ) ภายใต้พื้นที่ที่ถ่ายโดยฉลาก คุณสามารถตั้งค่านี้เป็นจำนวนสูงในภูมิภาคนอกส่วนเพื่อหลีกเลี่ยงปัญหาในตัวอย่างของคุณdl

ส่วนที่เหลือคือการเพิ่มประสิทธิภาพเชิงตัวเลข


1
ดูเหมือนว่าวิธีการที่ดีและแข็งแกร่งพอสำหรับภาพที่มีรายละเอียดสูงกว่า คุณอยู่ใกล้กับศูนย์กลางหรือไม่สิ่งที่ฉันเรียกว่า "จุดศูนย์กลางมวล" หรือ @MatthiasOdisio เรียกสิ่งใดว่า "จุดในสุด" d
ติดยา
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.