Information Systems & Semantic Web

Information Systems & Semantic Web University of Koblenz ▪ Landau, Germany Feature Extraktion ISWeb - Information Systems & Semantic Web Steff...
Author: Catharina Busch
0 downloads 2 Views 770KB Size


Information Systems & Semantic Web University of Koblenz ▪ Landau, Germany

Feature Extraktion



ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

2



ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

3



ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

4



ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

5



ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

6



ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

7

5 Feature-Transformationsverfahren

Diskrete Fourier-Transformation (DFT) Diskrete Wavelet-Transformation (DWT) Karhunen-Loeve-Transformation (KLT) Latent Semantic Indexing (LSI) und Singulärwertzerlegung (SVD)

ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

8



Einführung

Transformation von Mediendaten zur Generierung von Feature-Daten bestimmte Eigenschaften der Mediendaten sollen explizit gemacht werden Grundverständnisse der linearen Algebra erforderlich Einsatz zur Feature-Normalisierung, -Erkennung und -Aufbereitung

ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

9

5.1 Diskrete Fourier-Transformation



benannt nach franz. Mathematiker Jean Baptiste Joseph Fourier periodische Funktion als Summe von Sinus- und Kosinusfunktionen darstellbar Darstellung im Ortsbereich versus Darstellung im Frequenzbereich

ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

10

5.1 Diskrete Fourier-Transformation (2)



äquivalente Darstellung (ineinander verlustfrei überführbar) Darstellung im Frequenzbereich:  niedrige Frequenzen für groben Funktionsverlauf  hohe Frequenzen für Detailinformationen (etwa abrupte Funktionswertänderungen)

ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

11



Beispiel

ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

12

Beispiel (2)



Anteil Kosinus- und Sinusschwingungen:

ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

13



Beispiel (3)

Frequenzspektrum:

ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

14



Zweites Beispiel

zufällig erzeugte Funktion:

ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

15



Zweites Beispiel (2)

Frequenzspektrum und Kompaktheit:

ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

16



Gedankenexperiment

Darstellung im Orts- und Frequenzbereich: Lautsprecher als Tonquelle erzeugt konstantes Geräusch → Orts- bzw. Zeitbereich

ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

17



Gedankenexperiment (2)

entsprechende Saiten eines Klaviers schwingen auf Grund Geräusch → Frequenzbereich Rekonstruktion des Geräuschs durch anregen der entspr. Klaviersaiten

ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

18



Anwendung der DFT

Feature-Normalisierung Feature-Erkennung Feature-Aufbereitung

ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

19

Anwendung DFT zur Feature-Normalisierung



Unterdrückung von Störeinflüssen innerhalb Medianobjekten Problem: Trennung Nutz- von Stördaten Trennung manchmal im Frequenzbereich möglich → Anwenden von Frequenzfiltern Beispiel: Motorgeräusche bei Camcorder-Aufnahmen mit eingebautem Mikrofon

ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

20



Beispiel Frequenzfilter:

Entfernung von Frequenz f=100 ergibt:

ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

21



Beispiel Frequenzfilter:

Entfernung von Frequenz f=100 ergibt:

ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

22

Anwendung DFT zur Feature-Erkennung



Korrespondenz zwischen zu extrahieren-den Eigenschaften und Frequenzen möglich Beispiel Audio-Daten  Trennung gesprochene Sprache von Musik anhand Frequenzspektrum  Sprechererkennung

ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

23

Anwendung DFT zur Feature-Erkennung (2)



Beispiel: Texturdaten in Rasterbildern anhand Frequenzspektrum (dominierende Frequenz, Ausrichtung) Ausnutzung Invarianz bzgl. Verschiebung (Translation) im Ortsbereich → Unterdrückung der Phasenwinkel

ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

24



Beispiel Translationsinvarianz

ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

25



Bsp. Translationsinvarianz (2)

Anteil Kosinus- und Sinusschwingungen:

ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

26



Bsp. Translationsinvarianz (3)

Frequenzspektrum:

ISWeb - Information Systems & Semantic Web

Steffen Staab [email protected]

27