Brodatz Datenbank

[Flowyes]

Ich hab hier ein Verständnisproblem:

Wir haben die 112 Bilder. Aus jedem dieser Bilder werden 9 weitere berechnet; insgesamt haben wir 1008 Sub-bilder.

Was ist aber hier das "Model" von dem die Rede ist?
Was wird womit verglichen?
Welche Distanz (zwischen welchen Bildern genau) wird berechnet?
Wie kommen wir auf die Retrievalraten?

Könnt ihr mich aufklären?

[maciek]

also ... ich versuch jetzt einfach Mal die Fragen zu beantworten. Bitte fühlt Euch frei mich ausbessern.

Die Brodatz-DB ist eine Sammlung von 112 512x512-Images mit bestimmten Mustern, die in bestimmte Klassen zusammengefaßt sind. Um einen Algorithmus (z.B. Tamura, Folie 175) zu testen. Nimmt man ein Test-Image aus der DB her und schaut welche weiteren DB-Images der Algorithmus als "verwandt" bzw. "ähnlich" damit findet.

Danach schaut man wieviel % der rausgesuchten DB-Images tatsächlich aus der gleiche Klasse stammen wie das zuerst ausgewählten Test-Image(retrieval rate). Danach kann man noch die 1008 128x128-Images gegeneinander Testen (-> average retrieval rate).

Stimmt das so ca.?

P.S.: Im Skriptum ist das ganze in Teil 1, S. 243 bzw. S. 244 zu finden.

[Eulalia]

aha ... naja klingt irgendwie logischer als das, was ich so frei übersetzt hab ;)

[lacklady]

also ich habe es so verstanden: jedes der 112 bilder wird in 9 teile zerteilt. mit diesen teilen wird dann verglichen. anschließend wird geschaut, aus welchen bildern diese ausschnitte stammen.

kann das sein?!
:verycool:

[klwe]

Ich hab hier ein Verständnisproblem:

Was ist aber hier das "Model" von dem die Rede ist?
Was wird womit verglichen?
Welche Distanz (zwischen welchen Bildern genau) wird berechnet?
Wie kommen wir auf die Retrievalraten?

Könnt ihr mich aufklären?

Model: SAR, MRSAR, Tamura, - die Algorithmen, die du testen willst
Vergleichen: Subbilder mit Subbilder
Distanz: Wird von den Algorithmen bestimmt
Retrievalraten:
Man sucht mit ->einem<- Subbild aus allen anderen Subbildern die n ähnlichsten heraus. In den Beispiel auf den Folien (S. 175) wurden 10 gefunden - nachdem nur sieben der Ergebnisbilder der gleichen Klasse angehören, ist die retrieval-Rate für ebendieses Beispiel-Bild 70%. Bei n=5 wäre die Rate 100%. So hab' ich mir das damals in der VO notiert.
Average-Retrievalrate:
Man nimmt ->jedes einzelne<- Subbild her und vergleicht es mit allen anderen 1008 Bildern. Nehme mal an, dass der DS davon die average retrieval-Rate ist. (vgl. dazu Unterlagen S. 244-247) Das mit den n ist mir nicht ganz klar,

Das Problem dabei ist nur, dass dann irgendwie die Kurve aus S. 176 nicht dazupasst, denn be niedrigen n ist die retrieval-rate schlechter als bei hohen n? Habe jetzt aber keine Zeit, mir das nochmal durchzuüberlegen...

[maciek]

also ich habe es so verstanden: jedes der 112 bilder wird in 9 teile zerteilt. mit diesen teilen wird dann verglichen. anschließend wird geschaut, aus welchen bildern diese ausschnitte stammen.

kann das sein?!
nope. Oder zumindest nicht ganz. ;) Jedes der 112 Bilder wir in Teile zerteilt. Das stimmt schon. Allerdings wird für die retrival rate der Mittelteil herangezogen (so wie klwe & das beschrieben haben) und für die average retrival rate werden dann die 1008 (Sub-)Teile miteinander verglichen. ;)

[lacklady]

ah jetzt ja, habs verstanden.

danke @ klwe und maciek :)