Informe

Tarea 2: Reconocimiento Visual con aprendizaje de Máquina
Autor: Javier Machin/2015
Introducción:
En este trabajo experimentare con un algoritmo de reconocimiento visual llamado SVM, para
las pruebas se utilizaran dos set de imágenes Scenes-8 y Caltech-4, como descriptores ocupo
HoG para confeccionar la maleta de features con el uso de K-means. Se analisaran los resultados
al usar descomposiciónpiramidal de 3 niveles
Pruebas:
Para poder confeccionar un informe global de cómo se comportan cada uno de los proceso fui
analizando caso por caso tratando de abarcar la mayor cantidad de combinaciones posibles.
Estas combinaciones son del tipo:
Tabla de Casos:
Casos

SetDatos

BoW

Pooling

Patches

1
2
3
4
5
6

Scenes-8
Scenes-8
Scenes-8
Scenes-8
Scenes-8
Caltech-4

256
256
512
256
256
256Average
Average
Average
Average
Average
Average

32
32
32
64
32
32

Descomposición
Piramidal
Si
No
Si
Si
Si
Si

7*

Caltech-4

256

Average

32

Si

Casos

SetDatos

BoW

Pooling

Patches

1

Scenes-8

256

Average

32

Descomposición
Piramidal
Si

Kernel
Linear
Linear
Linear
Linear
Linear
Linear
RBF
Linear

Cantidad
Muestras
70000
70000
70000
50000
50000
80000
60000

Caso 1:
Kernel
Linear

CantidadMuestras
70000

Al analizar detalladamente la Matriz de confusión #1 note que existe una pequeña consistencia
a los largo de los set de datos, obteniendo como resultado una exactitud de clasificación del
0.84%. Si bien es cierto que no es un óptimo resultado puedo decir que se clasifico bien para un
set de entrenamiento de 70000 muestras, con las que se entrenó el clasificador. Cabe destacar
quelas imágenes de test están muy bien relacionas con las imágenes de entrenamiento y por
lo tanto los resultados son “buenos”.
Los casos en los que más se confundió el clasificador fueron en bedroom y MIThighway.



Para el caso de bedroom fue un poco disperso al confundir con diferentes tipos de
escena.
Para el caso de MIThighway a diferencia de bedroom fue más constante diciendo que
8 de lasescenas que le mandaron a clasificar eran del tipo CALsuburb.

Matriz de confusión #1

Para una mejor interpretación de la Matriz de confusión, agrego los resultados de Prescion,
Recall y Fscore (Ver. Tabla #2) dándole una mejor interpretación y un análisis más detallado de
cómo funciona el clasificador para cada una de las 8 escenas.
Tabla #2: Prescion, Recall y Fscore para Caso 1.

En esta tablapodemos apreciar analizando los valores del Fscore, que el clasificador se
comportó mejor para el Caso #1, en las escenas de MITcoast y MITinsidecity con un valor
superior al 93%.
Caso 2:
Casos

SetDatos

BoW

Pooling

Patches

2

Scenes-8

256

Average

32

Descomposición
Piramidal
No

Kernel
Linear

Cantidad
Muestras
70000

Al quitar la descomposición piramidal los resultados de clasificaciónsufrieron un abrupto
descenso, más detalladamente se aprecia en la Matriz de confusión #2. De una exactitud de
clasificación del 0.84% que obtuve en el Caso 1, decenio a un 0.54% demostrando fielmente
que la Descomposición Piramidal (DP) tiene una relevancia importante a la hora de hacer la
clasificación. Esto se debe principalmente a la información que posees para clasificar, cuando
hago DP ocupo unhistograma mucho mayor informativo para entrenar, es decir, tendríamos un
histograma del largo de 5376, en otras palabras mucho más informativo que el de Sin
Descomposición Piramidal (SDP) que sería solo del largo de 256. Otra importancia de la DP es
que me permite trabajar y hacer análisis de manera local.
Para el caso de SDP el clasificador se confundió en la mayoría de los set de escenas. Elcaso más
crítico y por ende me demuestra que es set de escenas más difícil de clasificar es el bedroom
obteniendo apenas un 0.32% de exactitud en la clasificación

Matriz de confusión #2

Tabla #3: Prescion, Recall y Fscore para Caso 2.

Caso 3:
En este caso a diferencia de los anteriores ocupo un BoW de 512. Al compararlo la Matriz de
confusión #3 con la Matriz de confusión #1 encuentro una leve...