[논문 리뷰] Image Clustering without Ground Truth

Abhisek Dash, Sujoy Chatterjee외 2명|arXiv (Cornell University)|2016. 10. 25.

Advanced Clustering Algorithms Research참고 문헌 5인용 수 6

한 줄 요약

이 논문은 참조 지표가 없이도 다양한 이미지 클러스터링 솔루션을 비전문가 작업자들(각각 다른 수의 클러스터를 사용할 수 있음)로부터 수집하여 강건한 공통 솔루션으로 통합하는 커뮤니티 기반 클러스터링 앙상블 방법을 제안한다. 중심점 기반 유사도와 최적화된 거리 측정법을 사용함으로써, 전문가가 라벨링한 클러스터와 높은 일치도를 달성하며, 클러스터 수가 다를 경우조차도 전통적인 앙상블 기법을 능가한다.

ABSTRACT

Cluster analysis has become one of the most exercised research areas over the past few decades in computer science. As a consequence, numerous clustering algorithms have already been developed to find appropriate partitions of a set of objects. Given multiple such clustering solutions, it is a challenging task to obtain an ensemble of these solutions. This becomes more challenging when the ground truth about the number of clusters is unavailable. In this paper, we introduce a crowd-powered model to collect solutions of image clustering from the general crowd and pose it as a clustering ensemble problem with variable number of clusters. The varying number of clusters basically reflects the crowd workers' perspective toward a particular set of objects. We allow a set of crowd workers to independently cluster the images as per their perceptions. We address the problem by finding out centroid of the clusters using an appropriate distance measure and prioritize the likelihood of similarity of the individual cluster sets. The effectiveness of the proposed method is demonstrated by applying it on multiple artificial datasets obtained from crowd.

연구 동기 및 목표

• 진정한 클러스터 수가 알려져 있지 않은 경우, 실세계 데이터셋에서 흔히 발생하는 문제에 대응한다.
• 비전문가 커뮤니티 작업자로부터의 집단적 인간 지능을 활용하여, 서로 다른 수의 클러스터를 가진 다양한 클러스터링 솔루션을 생성한다.
• 이러한 이질적인 솔루션들을 하나의 고품질 공통 클러스터링 결과로 통합하는 강건한 클러스터링 앙상블 프레임워크를 개발한다.
• 기계 기반 접근 방식이 종종 실패하는 모호하고 인간에게도 어려운 이미지 클러스터링 과제에서 이 방법의 효과성을 입증한다.

제안 방법

• 다양한 커뮤니티 작업자들로부터 독립적으로 이미지를 클러스터에 할당하는 방식으로 클러스터링 솔루션을 수집한다.
• 각 작업자의 솔루션을 이미지의 분할로 표현하며, 주관적인 해석을 반영해 가변적인 수의 클러스터를 가진다.
• 다른 커뮤니티 기반 분할 간의 일치도를 측정하기 위해 조정된 랜드 지수(ARI)를 사용해 쌍별 유사도를 계산한다.
• 모든 입력 솔루션에 걸쳐 내부 클러스터 분산을 최소화하는 중심점 기반 클러스터링 앙상블 접근법을 적용하여 대표 클러스터 구조를 식별한다.
• 클러스터 세트 간의 유사도 가능성을 우선순위에 따라 정렬하기 위해 거리 측정법을 사용함으로써, 클러스터 수가 다를 경우에도 공통 결과를 도출할 수 있도록 한다.
• 사전 지식이나 수동 튜닝 없이도 최종 공통 클러스터 수를 자동으로 결정한다.

실험 결과

연구 질문

• RQ1 진정한 클러스터 수가 알려져 있지 않은 상황에서 비전문가의 집단적 인간 지능이 신뢰할 수 있고 다양한 이미지 클러스터링 솔루션을 생성할 수 있는가?
• RQ2 참조 지표가 없을 경우, 클러스터 수가 가변적인 입력 솔루션을 처리할 수 있도록 클러스터링 앙상블 방법을 어떻게 적응시킬 수 있는가?
• RQ3 중심점 기반 앙상블 접근법이 모호한 이미지 클러스터링 과제에서 기존의 클러스터링 앙상블 알고리즘(CSPA, HGPA, MCLA 등)을 얼마나 능가할 수 있는가?
• RQ4 전문가 라벨 기반 참조 지표와 비교했을 때, 제안된 방법의 성능은 무엇인지, 특히 정규화된 상호정보량과 조정된 랜드 지수 측면에서 어떻게 평가되는가?

주요 결과

• 제안된 방법은 세 번째 데이터셋에서 조정된 랜드 지수(ARI) 0.6909를 달성하여, 고정된 클러스터 수가 필요한 최신 앙상블 기법들을 능가한다.
• 두 번째 데이터셋에서 개별 작업자 솔루션과 비교했을 때 ARI 0.6034를 기록하며, 모든 테스트 클러스터 수에서 CSPA, HGPA, MCLA의 성능을 맞추거나 초월한다.
• 클러스터 수를 입력으로 요구하지 않음에도 불구하고 일관되게 고품질의 공통 결과를 생성함으로써, 가변적인 클러스터 수에 대한 강건성을 입증한다.
• 모든 데이터셋에 걸친 평균 ARI는 제안된 방법이 전문가 라벨 기반 참조 지표와 높은 일치도를 유지함을 보여주며, 인간의 인식과의 높은 일치를 시사한다.
• 클러스터 경계가 명확하지 않은 모호한 이미지 세트에서 기존의 앙상블 알고리즘보다 뛰어난 성능을 보이며, 실제 비트리비얼한 클러스터링 상황에서의 효과성을 입증한다.
• 결과적으로 인간이 생성한 클러스터링 솔루션의 다양성—특히 클러스터 수의 다양성—이 효과적으로 활용되어 더 정확하고 신뢰할 수 있는 공통 결과를 도출할 수 있음을 확인한다.