Hugo Feitosa Yuri Lacerda.  Introdução  Projeto  Protótipo  Avaliação  Trabalhos Futuros  Conclusões.

Apresentação em tema: "Hugo Feitosa Yuri Lacerda.  Introdução  Projeto  Protótipo  Avaliação  Trabalhos Futuros  Conclusões."— Transcrição da apresentação:

1 Hugo Feitosa Yuri Lacerda

2  Introdução  Projeto  Protótipo  Avaliação  Trabalhos Futuros  Conclusões

3  Avanço da tecnologia: ◦ Câmeras Digitais ◦ Câmeras com GPS ◦ Telefones celulares com câmera integrada ◦ Baixo custo de armazenamento  Grande quantidade de fotografias digitais  Dificuldade para organizar e recuperar fotos

4  Metadados (Exif) ◦ Data/Hora ◦ Localização (Latitude, Longitude) ◦ Modelo da Câmera ◦ Marca ◦ Entre outros  Recordação ◦ Lugares ◦ Eventos

5  Exemplo: ◦ Casamento ◦ Aniversário ◦ Viagem ◦ Etc. tempo Câmera I e1 e2e3e4e5 E(n) – Evento n Lt(n) – latitude n Lg(n) – longitude n Lt1, Lg1 Lt2, Lg2Lt3, Lg3Lt4, Lg4Lt5, Lg5

6  Organizar a coleção de fotografias de um determinado usuário em eventos automaticamente  A partir de informações espaciais e temporais dos metadados das imagens utilizar um algoritmo de agrupamento e um de segmentação para detectar os eventos

7

8  Agrupar fotografias de acordo com a posição geográfica  Algoritmos analisados: ◦ K-means ◦ DBSCAN

9  Algoritmo Selecione K pontos como os centróides iniciais; repeat Forme K clusters adicionando todos os pontos ao do centróide mais próximo; Recalcule o centróide de cada cluster; until Os centróides não mudaram;  Desvantagem ◦ Deve ser informado a quantidade de grupos a serem criados;

10  Algoritmo de agrupamento baseado em densidade  Vantagens ◦ Os parâmetros de entrada são fáceis de serem estimados  epsilon: 1Km  Número mínimo de elementos em um grupo: 1  Desvantagem ◦ Epsilon não é variável

11  Separa os grupos espaciais em eventos baseado nos dados temporais das fotografias  Calculo do intervalo entre eventos (Estratégia simples) ◦ Intervalo < (média dos intervalos + desvio padrão)  Desvantagens ◦ Um evento real pode ser separado em mais de um evento. ◦ Alguns eventos reais podem ser classificados como um único evento.

12  Envio das imagens para a aplicação

13  Organização em Eventos

14  Visualização dos Grupos e Eventos

15  Visualização das fotografias de um evento:

16  Base de dados ◦ 793 fotografias georreferenciadas separadas em 20 pastas  Análise do agrupamento espacial  Análise do agrupamento temporal

17 Grupos espaciais pastas Pastas separadas Pastas agrupadas

18  Agrupamento espacial isoladamente não organiza as fotografias em eventos, pois pode existir vários eventos próximos (espacialmente) ◦ Exemplo:  Aniversário – Restaurante Estação da Cachaça - Campina Grande – PB no dia 05/08/2007  Festa– Restaurante Magia do Verde - Campina Grande – PB no dia 10/11/2007  Inconsistências: ◦ Grupos com mais de uma pasta (Solução: Segmentação temporal) ◦ Fotos de uma única pasta separadas em vários grupos (Solução: Pós-processamento manual ou automático)

19  Separa os grupos que contém fotografias de mais de uma pasta  Pode gerar as inconsistências: ◦ Separar uma única pasta em mais de um evento ◦ Agrupar mais de uma pasta em um único evento Cluster

20  Agrupamento Espacial: ◦ Calcular o valor de epsilon para o DBSCAN de forma adaptativa.  Segmentação Temporal: ◦ Executar antes e depois do agrupamento espacial ◦ Utilização de informações externas (Ex: agenda do usuário) para uma melhor classificação temporal das fotos  Permitir a organização manual  Atribuir nome aos eventos automaticamente. ◦ Ex: gazetteer’s, web services, agenda do usuário, etc.  Medidas de pós-processamento para auxiliar a correção de erros

21  Organização automática facilita o gerenciamento das fotografias dos usuários  A organização automática está sujeita a erros  O DBSCAN é um algoritmo satisfatório para o agrupamento espacial

22  Mor Naaman, Yee Jiun Song, Andreas Paepcke, Hector Garcia-Molina. Automatic Organization for Digital Photographs with Geographic Coordinates. In proceedings, Fourth ACM/IEEE-CS Joint Conference on Digital Libraries, (JCDL 04), June 2004. Winner, Vannevar Bush Best Paper Award.Automatic Organization for Digital Photographs with Geographic CoordinatesJCDL 04  Introduction to Data Mining, 1st. Edition. Pang-Ning Tan, Michael Steinbach, Vipin Kumar. Addison-Wesley, 2006

23