Class representative computation using graph embedding and clustering

Abstract

Özetçe -Nesne tanıma için kullanılan metotlardan birisi çizge gömme teknigi üzerine dayanmaktadır. Bu teknik, çizgeler ile temsil edilen nesneleri vektör uzayında temsil ederek masraflı çizge eşleme algoritmalarını kullanmak yerine vektör uzayında daha kolay olan nokta eşleme algoritmalarını kullanmayı olanaklı kılmaktadır. Bu çalışmada, nesne sınıflarının çizge gömme algoritmaları ile vektör uzayında temsilcisileri çıkartılır. Bir sorgu nesnesinin sınıflandırılması için, dogrusal arama yerine daha verimli olan sorgunun sadece sınıf temsilcileri ile karşılaştırılması işlemi yapılmaktadır. Deney sonuçları, sunulan çalışmanın nesne tanımada başarımını ve alternatif yöntemlere göre daha etkin oldugunu göstermiştir. Anahtar Kelimeler-Nesne Tanıma, Çizge Gömme, Öbekleme.Abstract-One of the methods for object recognition is based on graph embedding. By representing objects expressed as graphs into the vector space, this technique makes it possible to use point matching algorithms as opposed to costly graph matching approaches. In this paper, representatives of object classes in the vector space is obtained through graph embedding. To classify a query, instead of using exhaustive search, a more effective way of comparing it to class representatives is employed. Experimental results demonstrate that the proposed work compares favorably to alternative approaches in a set of object recognition experiments.