Algoritmo per identificare il grado di somiglianza basato sulla categorizzazione precedente

La risposta di Sirisian è iniziata sulla buona strada, ma poi mi ha perso, quindi ecco la mia versione del problema.

Il fatto che si tratti di immagini è irrilevante e anche il fatto che una delle proprietà sia identica è irrilevante. Sono entrambe false piste. Tutto quello che vedo qui sono entità con proprietà e il problema può essere facilmente ridefinito per escludere la proprietà che deve essere identica e considerare solo il sottoinsieme di entità che in effetti hanno lo stesso valore su quella proprietà esclusa.

Quindi, in sostanza, quello che hai è un insieme di entità in cui ogni entità ha una lista di proprietà N e tu hai un'entità separata che chiameremo l'entità "di riferimento" e vuoi cercare attraverso quella serie trova le entità che hanno i valori quanto più dissimili possibili dall'entità di riferimento.

In sostanza, vuoi una distanza massima nell'algoritmo dello spazio N-dimensionale.

Prima di tutto è necessario calcolare il vettore N-dimensionale dei valori della propria entità di riferimento. Questo è essenzialmente le coordinate di un punto nello spazio N-dimensionale. (Se vuoi, puoi immaginare che N = 3, quindi puoi pensare al problema nello spazio tridimensionale.)

Quindi, è necessario scorrere le altre entità e per ciascuna entità è necessario calcolare il suo vettore N-dimensionale, (immagina un altro punto nello spazio tridimensionale), quindi è necessario calcolare la distanza tra vettore di riferimento e questo vettore, che sarà un altro N-vettore, e quindi è necessario prendere il valore assoluto , alias magnitudine di quel vettore, che sarà un valore singolo e memorizzarlo.

Una volta che tutte le grandezze sono state raccolte, devi ordinare tutte le tue entità con questo valore di magnitudine, e i risultati desiderati saranno raccolti vicino alla fine dell'elenco, dove saranno le grandezze maggiori.

Questo è il modo standard per risolvere la maggior parte del tuo problema e ti consiglio caldamente di risolverlo esattamente in questo modo, in modo da implementare un algoritmo che sarà comprensibile da altri, e anche da te, se dovessi rivederlo pochi mesi dopo.

Ora, la tua situazione particolare ha alcune peculiarità:

• I valori delle tue proprietà non sono numeri reali, sono set di valori discreti. Quindi, dovrai mapparli a numeri reali. Un range da 0 a 1 funzionerà bene, come suggerito da Sirisian. Probabilmente puoi combinare insieme il tuo colore discreto e la tua luminosità discreta in tre valori di proprietà, che siano HSV, HSL o forse anche RGB, non credo che ne importi molto.

• Vuoi un numero variabile di risultati e vuoi un po 'di casualità. Quindi, seleziona una percentuale di entità alla fine dell'elenco ordinato e scegli un numero specifico da esse, a caso.

Tutto ciò che hai detto sembra vicino, ma mancano alcuni dettagli sulla creazione e l'interrogazione del vettore che sono importanti. Idealmente è necessario formare vettori unici per ogni immagine. Dovrai convertire il colore in HSV (o HSL) o in uno spazio colore che si presti a confronti. Assegna un numero a ciascuna scelta per i componenti.

Quindi assegna un peso a ciascun componente nel tuo vettore. Questo dovrebbe normalizzare l'importanza di ciascun componente. Se riesci a immaginare il tuo vettore nello spazio n-dimensionale, desideri che ogni componente abbia lo stesso peso (o essere influenzato dalla sua importanza nel confronto). Ad esempio, le linee potrebbero non essere importanti, quindi nell'intervallo [0, 1] orizzontale = 0,2 e verticale = 0,4. L'esterno potrebbe essere una distinzione importante quindi indoor = 0.5 e outdoor = 1.0. (Non devi rimanere tra 0 e 1, ma è semplice).

Per i colori devi gestirli appositamente. Per colore assegnare a ciascun componente un numero compreso tra [0, 1] (per ciascun componente HSV).

La mia unica preoccupazione per la configurazione è la categorizzazione è molto semplice e il tuo sistema di colori e temi è un po 'complesso con più colori e temi. Quando generi un vettore, in sostanza, vuoi unire i risultati con il vettore e ogni colore e tema. Quindi per una singola immagine con te genereresti ogni combinazione di vettore (filtraggio per i componenti che stai cercando). Esempio:

(blu, naturale, leggero, ...)
(blu, terra, luce, ...)
(blu, cielo, luce, ...)
(verde, naturale, leggero, ...)
(verde, terra, luce, ...)
(verde, cielo, luce, ...)
(grigio, naturale, leggero, ...)
(grigio, terra, luce, ...)
(grigio, cielo, luce, ...)

Converti ciascun componente in valori ponderati numerici, quindi avresti un vettore reale nello spazio n-dimensionale. (il blu verrebbe convertito in 3 componenti HSV solo per essere molto chiaro).

Quando disponi di vettori basati sui parametri che vuoi confrontare, di solito utilizzi un albero k-d più vicino alla ricerca del vicino.

link

Quindi, esegui per ogni vettore una ricerca adiacente per ottenere una serie di vettori associati a un'immagine. Quindi unione i set risultanti. Se non trovi nulla aumenta nel tuo campionamento. È possibile utilizzare un calcolo del prodotto con punti calcolato per tutti i confronti vettoriali per ottenere un fattore di somiglianza se si sta cercando una percentuale di somiglianza. (Potrebbe essere intelligente a tale proposito se si confrontano molti componenti poiché renderà le immagini più dissimili di quanto potrebbero sembrare alla vista).

Questa è una panoramica molto approssimativa del data mining dell'albero k-d. Avresti bisogno di leggere un libro di data mining per ottenere la risposta più precisa e altri approcci. (Creare i pesi è un po 'un'arte dato che tocca a te se il colore è più importante del tema o della forma).