小樣本實驗

由 4.4 節得到結論，當結合具有互補性的特徵抽取方式，能增加對環境變化的強健 性。當結合相似的特徵抽取方式，則對於總體強健性無法提升。此節將實驗具有互補性 或相似性的多重特徵是否能提升材質辨識準確度。首先由 CUReT 資料庫選取 15 類，每 類隨機抽取 10 張作為訓練圖片〈共 150 張〉，剩餘的 82 張作為測試圖片〈共 1230 張〉。

經由材質辨識流程如圖 4.4 所示，即可求得材質辨識準確度。重複 10 次取得平均可得到 實驗結果。

小樣本實驗先探討將兩個特徵抽取方式做結合，得到材質辨識的結果如圖 5.1 和圖 5.2 所示。圖 5.1 是具有互補性的特徵實驗，可觀測出多重特徵能有效提升材質辨識的準 確度。圖 5.2 是具有相似性的特徵實驗，可看出多重特徵無法有效將材質辨識準確度往 上提升。由此證實當結合具有互補性的特徵抽取，其中一個特徵抽取無法對環境變化進 行辨識時，多重特徵能利用其它特徵抽取進行改善，使得材質辨識錯誤率下降。但是當 兩者特性相近，單一特徵抽取無法辨識環境變化時，另一個特徵抽取也無法進行改善，

並且因為過多無效資料參雜，造成材質辨識準確度下降。

33

圖 5.1 結合具有互補性的特徵抽取方式

圖 5.2 結合具有相似的特徵抽取方式

接著要探討三個特徵抽取結合的結果與權重的影響，如圖 5.3 所示。由於

LPCM+LBP+GLCM 中隨意選出兩個特徵抽取做結合，無法提升材質辨識準確度。由此 推論，三者特徵結合只會造成更多無效資訊參雜，而不會提升材質辨識的準確度，故此 不進行 LPCM+LBP+GLCM 的結合。圖 5.3 中對角線位置對材質辨識度表現相較於其他 位置來的差，造成此狀況的原因為 LPCM，GLCM 以及 LBP 的特性都極為相似，而 LPCM，

34

LBP 及 GLCM 都與 TBA 的特性互補，除了對角線其他位置上都有少量的 TBA 參雜，

造成對角線的辨識準確度相較其他的位置都來的低。

∝₁LPCM+∝₂GLCM+(1-∝₁-∝₂)TBA ∝₁LBP+∝₂GLCM+(1-∝₁-∝₂)TBA

∝₁LPCM+∝₂LBP+(1-∝₁-∝₂)TBA

圖 5.3(a) LPCM+GLCM+TBA 的多重特徵，(b) LBP+GLCM+TBA 的多重特徵，

(c) LPCM+LBP+TBA 的多重特徵

接著觀測每次實驗結果的差異。由圖 5.4(a)可以發現 GLCM+LBP+TBA 能有效將材 質辨識準確度往上提升，推測因 LBP 與 GLCM 的特性雖然大致相同，然而仍有少部分 具有互補的效果─如 4.2 節中的光亮環境變化─使得多重特徵可以進一步提升材質辨識 準確度。由圖 5.4(b)與圖 5.4(c)可發現，GLCM+LPCM+TBA 及 LBP+LPCM+TBA 的多 重特徵實驗結果與 LPCM+TBA 的多重特徵結果相差不多。推測因 LPCM 由 LBP 與 GLCM 相互結合所產生的，因此它同時具備兩者特性，使三個多重特徵無法有效提升材

35

質辨識的準確度。由上得知，材質辨識準確度不一定隨著結合的特徵抽取數量變多而提 升，需要結合具有互補性的特徵抽取，才能將材質辨識的準確度往上提升。

(a)

(b)

GLCM LBP TBA GLCM+LBP GLCM+TBA LBP+TBA GLCM+LBP+TBA 55

GLCM LPCM TBA GLCM+LPCM GLCM+TBA LPCM+TBA GLCM+LPCM+TBA 55

36

(c)

圖 5.4(a)GLCM+LBP+TBA，(b)GLCM+LPCM+TBA，

(c)LBP+LPCM+TBA

LBP LPCM TBA LBP+LPCM LBP+TBA LPCM+TBA LBP+LPCM+TBA 78