Nesne tanıma için boyutu indirgenmiş öznitelik vektörleri

Gerçek verilerin çoğunluğu büyük boyutlu verilerdir. Ancak büyük boyutlu verilerin işlenmesi bazı nedenlerden ötürü zordur. Büyük boyutlu veriler büyük hesapsal yük oluşturur, daha çok bellek ve zamana ihtiyaç duyar ve görselleştirme açısından zorluklar barındırır. Büyük boyutlu verilerin işlenmesindeki bu zorluk literatürde "Boyutsallık laneti" olarak isimlendirilmiştir. Bu nedenle boyut indirgeme, verilerin işlenmesinde önemli bir basamak olarak karşımıza çıkmaktadır. Literatürde, boyut indirgeme üzerine birçok teknik önerilmiştir. Bu teknikler kullandıkları yöntemler açısından öznitelik seçme ve öznitelik çıkarma metodları olarak iki başlıkta toplanabilir. Veriyi dönüştürme biçimleri açısından ise doğrusal ve doğrusal olmayanlar olarak sınıflandırılabilir. Nesne tanıma ise bilgisayarla görü alanının, üzerinde çokça çalışılmış ve çalışılmaya devam edilen problemlerinden bir tanesidir. Nesne tanıma, görüntüdeki cisim veya cisimlerin anlamlandırılması anlamına gelmektedir. Nesne tanıma için kullanılan yöntemlerden bir kısmı öznitelik vektörlerinden faydalanmaktadır. Literatürde, bu amaçla tanımlanmış birçok öznitelik vektörü elde etme metodları önerilmiştir. Bu vektörlerden popüler üç tanesi, bu tez çalışması için seçilmiştir. Bunlar HOG (Histogram of Oriented Gradients - Yönlü Gradyanların Histogramı), SIFT (Scale - Invariant Feature Transform - Ölçekten Bağımsız Öznitelik Dönüşümü) ve SURF (Speeded - Up Robust Features - Hızlandırılmış Gürbüz Öznitelikler) vektörleridir. Bu tezde boyut indirgeme etkisi nesne tanıma problemi üzerinde incelenecektir ve öznitelik vektörlerinin nesne sınıflandırma başarımının artması hedeflenmektedir. Bu durumda farklı sınıflara ait veri noktaları arasındaki mesafeyi arttıracak yöntemler düşünülebilir. Ancak SIFT ve SURF vektörleri için böyle bir yöntem kullanılamaz. Çünkü bu vektörler tüm görüntüyü değil, görüntüdeki önemli noktaları betimleyen vektörlerdir. Görüntülerdeki önemli noktalar her zaman resme özgü olmak zorunda değildir, aynı önemli nokta birçok görüntüde birden bulunabilir. Bu nedenle, görüntülerin sınıflandırılmasında ve aynı zamanda nesne tanımada kullanılan yöntemler, sorgulanan görüntü ile en çok ortak veya benzer önemli nokta içeren resmin seçilmesiyle gerçekleşmektedir. Literatürde denetimli ve denetimsiz algoritmalar kullanılarak bu konuya ilişkin çalışmalar yapılmıştır. Denetimli algoritmalar SIFT ve SURF gibi yerel görüntü tanımlayıcıları için iki şekilde etiket bilgisi kullanmışlardır. Bunlar öznitelik vektörünün içinde bulunduğu görüntünün sınıf etiketini kullanmak veya öznitelik vektörlerini gruplandırarak etiket bilgisi elde etmek şeklindedir. Ancak iki yöntem de sakıncalıdır. Bir öznitelik vektörü yerel bilgiye dayalı olduğundan sadece bir nesne sınıfıyla bağdaştırılamaz ve yukarıda da belirtildiği gibi bu durum sınıf etiketi kullanmayı verimsiz kılmaktadır. Vektörleri gruplandırma stratejisinde ise kullanıcının belirlediği sayıda grup oluşturulmakta ve grup etiketleri vektör etiketi olarak kullanılmaktadır. Benzer şekilde kullanıcıya bağlı olan bu etiketleme aşaması da verimsizdir. Bu nedenle denetimsiz öğrenen algoritmalardan faydalanılmalıdır. Bu amaçla, bu çalışmada denetimsiz öğrenen bir yapay sinir ağı modeli olan otokodlayıcı kullanılmıştır. Otokodlayıcı temelde, özdeşlik fonksiyonunu öğrenmeye çalışmaktadır. Çünkü sistem çıktısı olarak girdiyi mümkün olduğu kadar tekrar çatması beklenmektedir. Otokodlayıcılar kodlayıcı ve kod çözücü iki bölümden oluşmaktadır. Kodlayıcı verilen girdiyi "kod"a dönüştürür, kod çözücü ise "kod"u çıktıya dönüştürmektedir. Kod bölümünün boyutu girdi boyutundan küçük seçilerek boyut indirgeme işlemi sağlanmaktadır. Çünkü bu şekilde tasarlanan sistemler çıktıyı daha küçük boyutlu olan koddan elde etmeye çalışmaktadır. Çıktıyı en iyi şekilde elde etmek için kodun girdiyi en iyi şekilde temsil ediyor olması gerekmektedir. Girdinin istenen boyutta en iyi şekildeki temsili olan kod, girdinin boyut indirgenmiş sonucu olarak karşımıza çıkmaktadır. Boyut indirgeme işlemi için otokodlayıcı kullanılmasının faydalarından biri otokodlayıcının yeni gelen veriye hazır bir model sunmasıdır. Buna ek olarak otokodlayıcı katmanlarında doğrusal olmayan fonksiyon kullanılmasıyla, verideki doğrusal olmayan ilişki yakalanabilir. Böylece doğrusal yöntemlere nazaran daha karmaşık verilerle baş edebilen bir çözüm sağlanmış olur. Otokodlayıcılar, farklı kısıtlamalar getirerek farklı amaçlar için de kullanılabilirler. Gürültü giderme ve seyrek betimleme amaçları bunlardan ikisidir. Bu çalışmada kullanılan otokodlayıcılar ise 3 adet gizli katman içeren, "vanilya otokodlayıcı" yapılarıdır. Kullanılan otokodlayıcılarda kod bölümü haricinde tüm katmanların boyutu girdiyle aynı seçilmiştir. Kod bölümü için ise girdinin ½ katı boyut seçilmiştir. Boyutu indirgenmiş vektörleri elde etmek için otokodlayıcı eğitildikten sonra verilen girdiye ilişkin kod bölümü alınmaktadır. Bu çalışmada obje tanıma problemi için Caltech-256 veri kümesinden 3 adet alt küme elde edilmiştir. Her bir küme 10 nesne sınıfına ait onbirer görüntüden meydana gelmektedir. Bu 11 görüntü ise kendi içinde 1+10 şeklinde ikiye ayrılmaktadır. Her nesne sınıfı için 1 görüntü, sınıf şablonu olarak kullanılmaktadır. Nesne sınıflarındaki kalan 10'ar görüntü ise obje tanıma işlemine sokulup, içindeki objenin belirlenmesi istenmektedir. Her bir alt kümede farklı öznitelik vektörleri üzerinde çalışılmıştır. Her bir küme için öncelikle, kümedeki görüntülerden ilgili öznitelik vektörleri elde edilmiştir. Bu vektörler henüz orjinal boyutlarında iken obje tanıma testi yapılmıştır. Ardından otokodlayıcı kullanarak boyut indirgeme işlemi gerçekleştirilip, obje tanıma testi tekrarlanmıştır. Her bir vektör grubu için 110 görüntü ile oluşturulan alt kümeler, otokodlayıcının test kümesi olarak kullanılmaktadır. Otokodlayıcının eğitimi için test kümesinin iki katı vektör içeren ve rastgele seçilmiş vektörlerden oluşan eğitim kümeleri kullanılmıştır. Sistem için oluşturulan doğrulama kümeleri ise test kümesindeki gibi 10 sınıfa ait 11'er görüntüden oluşmaktadır. Eğitim, test ve doğrulama kümelerinin farklı görüntüler kullanılarak oluşturulduğu not edilmelidir. Her kümede, görüntülerden ilişkili öznitelik vektörleri çıkarılmıştır. Yapılan nesne tanıma ve boyut indirgeme işlemleri bu vektörler üzerinde gerçekleşmektedir. Otokodlayıcılar sistem yakınsayana kadar bu eğitim kümeleriyle eğitilmiş, ardından test kümeleri sisteme sokularak boyutu indirgenmiş vektörler elde edilmiştir. Otokodlayıcı ile 1764 boyutlu HOG vektörleri 882, 128 boyutlu SIFT vektörleri 64 ve 64 boyutlu SURF vektörleri 32 boyuta indirgenmiştir. Kıyaslama amacıyla aynı boyut indirgeme işlemi, literatürde bu konu üzerine oldukça çalışılmış, Temel Bileşenler Analizi (PCA) ile de gerçekleştirilmiş ve sonuçlar sunulmuştur. Buna ilaveten oluşturulan kümelerdeki görüntüler gürültü ile bozularak gürültülü kümeler oluşturulmuş ve nesne tanıma işlemi gürültülü görüntülerden çıkarılan öznitelik vektörleri ile test edilmiştir. Ardından bu vektörler de otokodlayıcı ve Temel Bileşenler Analizi (PCA) kullanılarak boyut indirgeme işlemine tabi tutulmuştur. Boyutu indirgenmiş bu vektörlerin nesne tanıma başarımları ölçülmüştür Elde edilen sonuçlar, otokodlayıcıya dayalı boyut indirgemenin, öznitelik vektörleri kullanılarak nesne tanıma işleminin hem orjinal hem gürültülü görüntülerde başarımını arttırdığını göstermektedir. Bunun sebebinin, boyut indirgemenin verideki fazlalık bilgiyi ve gürültüyü gidermesi olduğu düşünülmektedir. Boyut indirgeme, sadece başarımı arttırmamıştır, aynı zamanda vektörlerin saklanması için gereken bellek miktarını azaltmaktadır.