THMMY.gr

Αντε καλη αρχη!
Προθεσμία έχει στις 19/5

Το κομμάτι της εργασίας καλύπτεται κυρίως από τις διαφάνειες της διάλεξης 9 που έχει στο e-thmmy;

Για το image2graph ποια εικονα υποτιθεται χρησιμοποιούμε?

τις d2a, d2b. Η d1a, απο οτι καταλαβα ειναι ετοιμη σαν Affinity.

παίζει να ρωτάω και βλακεία:

στην πρώτη συνάρτηση τα i και j παίρνουν τιμές από 1 μέχρι (M*N) αλλά πως ακριβώς πηγαίνει η αρίθμηση στην εικόνα;
από πάνω προς τα κάτω και αριστερά προς δεξιά ή κάτι άλλο;

Στον affinity δεν θα επαναλαμβανονται οι ιδιες τιμες? Δηλαδή το (2,1) δεν πρεπει να ειναι ίδιο με το (1,2) κ.ο.κ ?

λέει στην εκφώνηση ότι ο πίνακας θα είναι συμμετρικός και ο γράφος μη-κατευθυντικός, οπότε σωστό είναι αυτό που λές

Τα n καναλια της εικονας εισοδου που λεει στο πρωτο τμημα της εκφωνησης τι ακριβως ειναι ?

λογικα τα 3 κανάλια r,g,b

Όσον αφορά το 1ο κομμάτι της άσκησης,πχ το στοιχείο Α(1,2) του affinity πίνακα θα  προκύψει από τη σχέση που δίνεται χρησιμοποιώντας το 1ο και το 2o pixel.  Ως τα κανάλια του πρώτου pixel ορίζουμε πχ τα στοiχεία d2a(1,1,1) ,d2a(1,1,2),d2a(1,1,3); Το 2ο pixel ποιο θα είναι;

Θα μεταβάλλουμε ως προς γραμμή ή ως προς στήλη; Κάνουμε κάποιου είδους σύμβαση και λέμε πως τα μετράμε ανά γραμμή ή ανα στήλη και συνεχίζουμε; Δηλαδή στο παράδειγμα μου πχ τα κανάλια του 2ου pixel θα είναι τα d2a(1,2,1),d2a(1,2,2),d2a(1,2,3);

Δεν ξέρω αν γίνεται κατανοητό αυτό που ρωτάω..Νομίζω σχετίζεται με μια ερώτηση που διατυπώθηκε πιο πάνω. :P

κι εγώ την ίδια απορία είχα. εν τέλει πήρα την σύμβαση ότι η αρίθμηση ξεκινάει από πάνω προς τα κάτω και αριστερά προς δεξιά. δηλαδή 1ο πιξελ θεωρώ ότι είναι  το πάνω αριστερά και το 2ο το δεξί του.

Εγώ το πήρα ανάποδα, γιατί αν χρησιμοποιήσεις γραμμικό δείκτη για τη προσπέλαση του διδιαστατου πίνακα τότε το MATLAB κάνει την προσπέλαση κατά στήλη, και με βόλευε στην υλοποίηση. Γενικά δεν αλλάζει το αποτέλεσμα. Και με τις δύο τεχνικές μια χαρά clustering κάνεις.

Στο δευτερο μερος οπου ζητειται να σχηματίσουμε  τον πίνακα U με διαστασεις (nxk) , το n ειναι καποια δειγματα απο τα Μ*Ν του πινακα ιδιοδιανυσματων που επιστρεφει η eigs() ?

Σε περιπτωση παντως που γραψουμε n=size(W,1); τοτε ο U θα ταυτιζεται με τον πινακα του eigs () , σωστα ?

Στο demo2 τι αποτελέσματα πρέπει να του δείξουμε; μπορούμε να εμφανίσουμε κάπως την εικόνα μετά το clustering?

η image2graph σε περιπου ποσο χρονο σας τρεχει για τον d2a???

Στο πρώτο κομμάτι της άσκησης, η συνάρτηση θα πρέπει να δουλεύει γενικά για n κανάλια έτσι; Δε θα την κάνουμε για 3 επειδή γενικά οι εικόνες έχουν 3.

εγω ετσι καταλαβα... Τωρα περα απο 1 ή 3, δεν ξερω τι αλλο μπορει να ειναι, αλλα καντο γενικο να εισαι σιγουρος  :P

---

0.9 seconds περιπου ... (αλλο τοσο η d2b)....

Τόσο λίγο ε;  :P :P Εγώ είμαι κοντά στα 9.5 seconds. Βέβαια ήμουν λίγο άπληστος με τις for που έβαλα για να φτιάξω τον πίνακα.
3 συγκεκριμένα

δεν κατάφερα να το κάνω χωρίς for (λογικά θα γίνεται όμως )...
εγώ ξεκίνησα με 4 και τώρα έχω 2 ...
η μία βέβαια είναι για το n, άρα σαν να έχω μια είναι ...

επειδή ζητάει πολλά πλοτ ανά δεμο, ίσως θα ήταν καλό να κατέβεις λίγο σε χρόνο ...

Ή μπορείς να υπολογίσεις μια φορά τους πίνακες και να τους αποθηκεύσεις για να τους χρησιμοποιείς αμέσως. Αν μετά έχεις χρόνο το φτιάχνεις

Για να παρουσιάσω τα clusters στην εικόνα θα πρέπει να κρατάω όλα τα πίξελ του cluster και όλα τα άλλα να τα κάνω μαύρα για παράδειγμα;

Στην ενότητα 2, ο πίνακας X που πρέπει να δοθεί ως είσοδο στην ρουτίνα k-means είναι ουσιαστικά ο πίνακας U  που έχουμε δημιουργήσει με τα ιδιοδιανύσματα;

αυτος ο πινακας MNx1, περιεχει για καθε pixel που ανηκει. Ενας τροπος είναι για καθε pixel στο ιδιο cluster να του δινεις ιδιο χρωμα.

---

ναι

Στην αναδρομή με τα κατώφλια έχει κανείς άλλος πρόβλημα; Το Τ₂ είναι πολύ μικρό και σταματάει κατευθείαν η αναδρομή και βλέπω και πέρσι τα ίδιο θέμα είχαν...

Και εγώ είχα θέμα με τα κατώφλια που δίνει. Εγώ προσωπικά τα άλλαξα και δουλεύει μια χαρά

η εντολή rng(1) σας δίνει καλά αποτελέσματα; ..
αλλάζοντας τον seed - rng(0.9) για παράδειγμα - μου δίνει πολύ καλύτερα αποτελέσματα

οταν καλούμε αναδρομικά την myNcuts , πως βάζουμε σαν είσοδο τον  νεο affinity που θέλουμε? Αν καταλαβαίνω καλά θέλουμε να στέλνουμε ένα μέρος του αρχικού affinity που αντιστοιχεί στα id 1 και μετά στα id 2

Εγώ παίρνω τα labels που επιστρέφει η NCuts και δημιουργώ δύο vectors, ένα για το Α cluster και ένα για το Β, τα οποία έχουν 1 αν το πίξελ ανήκει στο cluster και 0 αν δεν ανήκει. Μετά αν πω W(vectorA, vectorA) θα έχω τον affinity πίνακα μόνο για τα πίξελ του cluster Α.

H myspectralclustering τι πρέπει να επιστρέφει γιατί χαωθηκα λίγο . Έναν πίνακα nx1  με τις ετικέτες των clusters. ? Όπου n στην περίπτωση του affinity που δίνεται =12 ;;;

Ακριβώς..Ουσιαστικά επιστρέφει σε ποιο cluster ανήκει το κάθε pixel της εικόνας πετυχαίνοντας έτσι την κατάτμηση της σε τμήματα.

Aλλά πως τα αναπαριστούμε αυτά μετα? Γιατί ουσιαστικά είναι ένα διάνυσμα στήλη ή γραμμή και όχι κατανεμημένο σε pixels. Πρέπει να τα κατανείμουμε σε pixels (δηλαδη σε πίνακα διαστάσεων οσο η αρχική εικόνα) και να τα χρωματίσουμε πχ ?

Εγώ έβαλα ένα τυχαίο χρώμα σε κάθε cluster που προκευψε για να δώ αν βγάζει λογική το αποτέλεσμα.

εκεί που φτιάχνεις τον adjacency matrix, πρέπει να διαιρέσεις με το variance της εικόνας και θα βολεύουν τα κατώφλια. δες την εξίσωση 11 στο paper ncuts.  :)

Έχεις δίκιο τώρα λειτουργεί με τα κατώφλια της εκφώνησης, ευχαριστώ!

Ως variance της εικόνας τι ακριβώς παίρνεις; Παίρνοντας την διασπορά της φωτεινότητας όλων των σημείων της εικόνας, το αποτέλεσμα βγαίνει ιδιαίτερα μικρό, και μπαίνοντας στον παρονομαστή μέσα στο εκθετικό μου δημιουργεί έναν πολύ μικρό αριθμό, δηλαδή e^(-K), όπου K πολύ μεγάλο

Mπορούμε με κάποιο τρόπο να δείξουμε πως επέδρασαν οι ρουτίνες του clustering στην αρχική εικόνα; Δηλαδή να εμφανίσουμε την αρχική εικόνα μετά από την διαδικασία του clustering;

Μπορεις να κανεις ενα reshape τον πίνακα που επιστρεφει η ρουτινα του clustering σε εναν πίνακα 50x50. Μετά μπορείς να χρησιμοποιήεις την imshow για να δεις την εικονα που έχει προκύψει. Απλα θα πρέπει στο ενδιάμεσο να κάνεις mapping τις τιμές που επέστρεψε η ρουτινα του clustering στο διάστημα [0, 1] για να στα δείξει σωστά η imshow

Και από αυτή την διαδικασία περιμένω ουσιαστικα να μου εμφανιστεί μια εικόνα με k διαφορετικά χρωματισμένες περιοχές όπου k ο αριθμός των cluster φαντάζομαι..

Ναι, απλα θα ειναι ασπρομαυρη η εικονα.

H assoc(A,V) ειναι ως προς την εκαστοτε πατέρα-εικόνα ή πάντα ως προς την αρχική εικόνα;

Για k = 4 ουσιαστικά μπορούμε να πούμε πως είμαστε στα όρια του over-clustering;ή μόνο σε μένα συμβαίνει κάτι τέτοιο;

Το παραπάνω παρατηρείτε σχεδόν σε όλους τις μεθόδους

Ναι, έτσι φαίνεται.

για την εικονα με τον μαριο.. δεν θα το ελεγα.

Ο μαριο μας καίει :Ρ . Η άλλη τρία χρώματα είναι οπότε αναμενόμενο αν πας να την σπάσεις σε 4 cluster να είναι overclustering..

δεν ξερω, γενικα οταν εβαλα 0.44 για οριο στο αναδρομικο (εβγαλε νομιζω k = 8) και ξεχωρισε ακομα και το μπλε του παντελονιου απο το μπλε πισω της εικονας.

Ντάξει ναι για τον μάριο για k = 4 είναι μια χαρά, αλλά για k = 8 εμένα μου φαίνεται ότι κάνει oversegmentation...

Αυτο το rng(1) που μπαινει ακριβως ?

Έβγαλε ανακοίνωση στη ethmmy ότι η εργασία παίρνει παράταση μέχρι 22/5.

Σε περίπτωση, που το κατώφλι T2 που δίνεται είναι αρκετά μικρό, πως το χειριζόμαστε;

Στην προηγούμενη σελίδα για αυτό λέγαμε...

την nCutValue την υπολογίζουμε όπως λέει στην εκφώνηση με τα άθροισμα των κλασμάτων και την assoc();;

όπως ακριβώς περιγράφεται στην εκφώνηση

Στην περίπτωση της αναδρομικής NCuts, κάθε φορά που θέλουμε να κάνουμε εκ νέου αναδρομική κλήση καλούμε την συνάρτηση δύο φορές; Δηλαδή μια φόρα έχοντας ως όρισμα το Α μέρος του διεσπασμένου γράφου και την 2η έχοντας ως όρισμα το Β μέρος του διεσπασμένου γράφου;

ναι εγώ αυτό κάνω .. δίνω κάθε φορά στην συνάρτηση τον γράφο με τα σημεία της κλάσης που θέλω να σπάσω

Πώς οργανώνουμε το clustering από κάθε αναδρομική κλήση της συνάρτησης, ώστε να πάρουμε στο τέλος τα N ξεχωριστά clusters για τα σημεία;

Εγώ μετά από κάθε αναδρομή, όταν πρόκειται να ενώσω τους πίνακες των clusters κάθε κομματιού, βλέπω πόσα clusters δημιούργησε το ένα κομμάτι της και προσθέτω αυτόν τον αριθμό στον πίνακα των clusters του άλλου κομματιού.

Εγώ έβαλα μια persistent n , που αυξάνει κατα 1 κάθε φορά που σταματάν οι αναδρομικές κλήσεις, αλλά το 5 για κατώφλι για τους κόμβους δεν είναι πολύ μικρό; Εμένα με βγάζει error η eigs για λιγότερους απο 100 κόμβους.

Για το τελευταίο υλοποιήσατε καινουργια συνάρτηση ή απλα γραψατε την ακολουθία πως θα συνεχιζε αν είχε υλοποιηθει αναδρομικά φουλ? Επίσης τι τιμες σας βγαινουν τα πρώτα Ncut, NcutA, NcutB ?