Discussion :

[chercheur111]

Bonjour,

s'il vous plait comment appliquer un clustering k-medoid sur une ou plusieurs images?


Merci

[kmaniche]

Bonjour,

De ma part, je n'ai j'aimais entendu parler de ce type de clustering, néanmoins, si tu as la possibilité de poster le code pour une image 2D, on verra comment le faire en 3D.

[chercheur111]

Bonjour;

Voici l'algorithme:
Basic K-medoid Algorithm:

1. Select K points as the initial medoids.
2. Assign all points to the closest medoid.
3. See if any other point is a "better" medoid (i.e, has the lowest average distance to all other points)
Finding a better medoid involves comparing all pairs of medoid and non-medoid points and is relatively inefficient
.–Sampling may be used.
4. Repeat steps 2 and 3 until the medoids don't change.

J'ai pas compri comment l'appliquer sur une image ou une base d'image
Merci pour votre aide

[Pistolero_JB]

Salut,

K-medoid c'est ni plus ni moins K-means, ce qui change c'est comment est calculé le centre du cluster, la moyenne pour K-means et la médiane pour K-medoid.

Sinon au moment du calcul des distances, que ce soit en 1D ou sur une image 2D/3D c'est la même chose, puisque la mesure est obtenue par la distance Euclidienne et qu'elle applicable sur un espace vectoriel, c'est-à-dire entre chaque pixel de deux images. Voir http://fr.wikipedia.org/wiki/Distance_(mathématiques) section "Distance sur des espaces vectoriels". Après le calcul de la médiane de chaque cluster tu fais la somme des images dans chaque cluster puis tu prends la médiane.

Voila.

[chercheur111]

Bonjour;

Je veux bien bien faire le clustering suivant un vecteur de caractéristiques des images qui sont les chiffres manuscrits et non plus sur les pixels.

Avez vous une idée?

Merci

[Pistolero_JB]

les chiffres manuscrits

Qu'est-ce que tu entends par "chiffres manuscrits" ?

[chercheur111]

http://www.google.fr/imgres?imgurl=h...w=1366&bih=545

[Pistolero_JB]

les images que tu as elle sont toutes différentes ? je veux dire par exemple si les images de "9" peuvent être différentes en fonction de celui qui l'a écrit ?

Si c'est le cas tu peux oublier K-medoid, K-means et compagnie... si les services postaux (qui sont leader dans la reconnaissance de caractères) utilisent des réseaux de neurones c'est qu'il y a des raisons...

[chercheur111]

Bonjour;

Merci beaucoup pour votre réponse , pouvez vous m'expliquer comment faire la reconnaissance avec les réseau de neurones dans mon cas de chiffres manuscrites.

ET Quels sont les cractristiques que je doit extraire des images?
Avez vous svp un tutoriel explicatif?

Merci
Cordialement

[Pistolero_JB]

C'est un peu long à expliquer, surtout à l'écrit , en plus d'autre le ferait beaucoup mieux que moi wiki.

L'application majeur de réseau de neurones artificiels c'est la reconnaissance de lettre, donc sur internet tu tapes dans google "neural network pattern recognition" et tu obtiens tout ce que tu as besoin (tuto, cours, livre, software, etc).

[chercheur111]

Bonjour;

merci beaucoup pour votre aide

Juste une question svp: pourquoi je peux pas utiliser k-medoid ou k-means si les images se différents selon l'écriture?

Merci

Cordialement

[Pistolero_JB]

En fait k-{means, medoid} utilisent une notion de similarité pour classer les images. Similarité calculée par la distance entre les images. Comme cette distance compare pixel à pixel (pixelwise) si la lettre est différente (tournée, penchée, mal écrite, majuscule, ...) sa distance sera grande par rapport à la référence, est donc elle sera mal classé. Même avec une notion de flou dans l'algorithme ce n'est pas suffisant. Un réseau de neurones marche très bien pour cela, il a une approche plus cognitif de la classification, par contre il nécessite un apprentissage, mais on pas rien sans rien.