資料筆數法

影像資料經由訓練後，相似之影像將被歸類至同一群集，所有影像均分別成為各影 像群集之內容，若某註解群集相較於其他群集受到較多份影像資料對應，則該影像群集 與對應之註解群集有極高之相關聯性，因此該註解群集即為影像群集所對應之最佳註解 群集。

圖 3-3-1 影像與註解樹狀階層

圖 3-3-1 為經由GHSOM訓練後之樹狀階層示意圖，影像階層以H₁表示，而H2則為註解 階層。其中I為H1所包含之一影像群集，A為H2之一註解群集，本研究所採用之影像資料 均有其各自對應之註解。若任一影像群集內容中，任一影像所對應之註解於任一註解群 集中出現之頻率較高，則可稱此二群集（影像與註解群集各一）為相關的。某一影像群 集I之對應註解群集A^*可由下式獲得：

∑ ( )

∈

=

I A i

A i S

A^* argmax , (15)

其中當影像i之註解位於註解群集A時，S(I,A) = 1，否則為 0。以下圖 3-3-2 為例，影像階 層(H₁)之群集 6 包含有影像I₁、I2、I3、I4、以及I5等分群結果共五份影像資料，而各影像 階層所對應之註解階層(H2)之群集 4 包含有影像I1、I2、I4對應之註解A1、A2、A4，而群 集 8 與群集 9 則分別包含有影像I₃、 I5分別所對應之註解A3與 A5，本方法之影像對應，

本方法之影像與註解關聯對應是根基投票式權重增長之概念來進行對應，其方法之演算 步驟如下：

步驟 1：假設影像群集階層中任意群集 I 包含 n 份影像資料。設定所有註解群集之 權重為零。

步驟 2：找出 I 中某一影像對應註解所在之註解群集，將此註解群集之權重值增加

一分。

步驟 3：重複步驟 2，直到 I 中所有影像所對應註解均已計算完成。

步驟 4：找出分數最高之註解群集A^*為優勝群集。此群集即為I之關聯對應群集。

以下圖為例進行說明。

圖 3-3-2 資料筆數法說明實例

影像樹狀群集(H₁)之群集 6 包含有影像I₁、I2、I3、I4、以及I5，而該些影像原本之註 解對應於註解樹狀群集(H2)分別有影像I1、I2、I4對應至註解群集 4，而影像I3對應至註解 群 8 之A₃，影像I5對應至註解群集 9 之A₅。由於影像群集 6 共有五份文件，因此共需進 行 5 次權重增長步驟。首先進行I1，I1所對應之註解群集均於註解群集 4，因此註解群集 4 便獲得一分，接著I₂之註解屬於註解群集 4，因此再給予註解群集 4 一分，此時可知註 解群集 4 共有二分，完整計算過程如下表 3-3-1 所示。

表3-3-1 實例計算結果 影像 註解群集 4

分數

註解群集 8 分數

註解群集 9 分數

I₁ 1 0 0

I2 1+1=2 0 0

I3 2 1 0

I4 2+1=3 1 0

I5 3 1 1

根據上表可得知群集 4 權重分數最高，表示該註解群集所包含之內容與影像群集 6 所包含之影像最為相關，因此便將該註解群集所包含之註解與對應之影像群集所包含之 影像作關聯對應與連結。而其他影像群集亦可用相同方式得到其所關連對應之註解群集。