Closed glee1228 closed 5 years ago
고차원 공간에 매핑된 embedding feature를 얻고, 이후 k-nearest neighbor를 통해 유사한 이미지를 N개까지 출력합니다.
[KNN로 Embedding Vector 유사도 출력] https://colab.research.google.com/drive/128n_nAIa5VuFkx6QjVkpW950bEhRLGGm
문제점 : k-Nearest Neighborhood 로 유사도가 높은 순서대로 랭킹 순서를 나열하는데, 유사도가 제대로 정렬되지 않는 점 원인 : 이미지 로드 시, rotation 및 flip으로 출력되는 점으로 생각하고 있음. 또는 코드 상의 실수 및 데이터 부족으로 인한 문제점일 수 있음. 하지만, SVM으로 고차원 분류가 잘되는 점으로 미루어 볼 때, 훈련 자체가 잘못 된 것은 아닌 것으로 추정.
해결점 :
[유사도 출력 결과]
고차원 공간에 매핑된 embedding feature를 얻고, 이후 k-nearest neighbor를 통해 유사한 이미지를 N개까지 출력합니다.
[KNN로 Embedding Vector 유사도 출력] https://colab.research.google.com/drive/128n_nAIa5VuFkx6QjVkpW950bEhRLGGm
문제점 : k-Nearest Neighborhood 로 유사도가 높은 순서대로 랭킹 순서를 나열하는데, 유사도가 제대로 정렬되지 않는 점 원인 : 이미지 로드 시, rotation 및 flip으로 출력되는 점으로 생각하고 있음. 또는 코드 상의 실수 및 데이터 부족으로 인한 문제점일 수 있음. 하지만, SVM으로 고차원 분류가 잘되는 점으로 미루어 볼 때, 훈련 자체가 잘못 된 것은 아닌 것으로 추정.
해결점 :