Image Matching System using Early Vision

K-fold cross validation (교차 검증)

• k개의 fold로 나누고, fold별 accuracy를 구함. 이를 이용해서 Average accuracy를 구함.
• 아래의 5-fold cross validation의 경우, Train data : Validation data = 8 : 2 비율임.

Confusion matrix

The curse of dimensionality

• Feature를 너무 많이 사용하면 차원이 커지고 모델 복잡도가 높아지므로, 일반화 성능이 감소함.
• K-means for dimension reduction을 이용해서 n-dim features를 k-dim features로 줄일 수 있음.

Similarity

• Manhattan distance, Euclidean distance, Mahalanobis distance, Cosine similarity 계산 방식.

K-Nearest Neighbors(KNN)

• Lazy model은 Non-parametric supervised learning이며, k 값은 홀수로 고르는 것이 좋음.
• Train data와 validation data를 이용하여, 최적의 파라미터 k를 찾는 것이 목표임.
  • Train data: 빨간색 점으로 표시한 feature를 먼저 배치하고, 다른 feature들을 배치.
  • Test data: 각각의 거리를 계산해야 해서 오래걸림.

 

 

* 참고 자료

컴퓨터비전 강의자료(김룡빈 교수님)