Hugo FeitosaYuri Lacerda

Introdução Projeto Protótipo Avaliação Trabalhos Futuros Conclusões

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

Metadados (Exif)◦ Data/Hora◦ Localização (Latitude, Longitude)◦ Modelo da Câmera◦ Marca◦ Entre outros

Recordação◦ Lugares◦ Eventos

Exemplo: ◦ Casamento◦ Aniversário◦ Viagem◦ Etc.

tempo

Câmera Ie1 e2 e3 e4 e5

E(n) – Evento nLt(n) – latitude nLg(n) – longitude n

Lt1, Lg1 Lt2, Lg2 Lt3, Lg3 Lt4, Lg4 Lt5, Lg5

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

Agrupar fotografias de acordo com a posição geográfica

Algoritmos analisados:◦ K-means◦ DBSCAN

AlgoritmoSelecione 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;

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

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.

Envio das imagens para a aplicação

Organização em Eventos

Visualização dos Grupos e Eventos

Visualização das fotografias de um evento:

Base de dados◦ 793 fotografias georreferenciadas separadas em

20 pastas Análise do agrupamento espacial Análise do agrupamento temporal

Grupos espaciais

pastas

Pastas separadas

Pastas agrupadas

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)

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

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

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

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.

 Introduction to Data Mining, 1st. Edition. Pang-Ning Tan, Michael Steinbach, Vipin Kumar. Addison-Wesley, 2006