[論文レビュー] Image Clustering without Ground Truth

Abhisek Dash, Sujoy Chatterjee+2 more|arXiv (Cornell University)|Oct 25, 2016

Advanced Clustering Algorithms Research参考文献 5被引用数 6

ひとこと要約

この論文は、真のクラスタ数が未知である状況において、熟練した専門家ではなく、非熟練の作業者から得られる多様な画像クラスタリング解を統合する、クラウド駆動型のクラスタリングアンサンブル手法を提案する。この手法は、真のラベルを必要とせず、クラスタ数が異なる可能性のある複数の解を統合することで、熟練者ラベルのクラスタと高い一致を達成する。重心に基づく類似度と最適化された距離測定を用いることで、従来のアンサンブル手法でさえ、クラスタ数が異なる状況でも上回る性能を発揮する。

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.

研究の動機と目的

• 真のクラスタ数が不明であるという、現実のデータセットで一般的な課題に対処すること。
• 熟練でないクラウド作業者からの集団的知性を活用し、クラスタ数が異なる多様なクラスタリング解を生成すること。
• これら多様な解を統合し、一貫性があり高品質なコンセンサスクラスタリング結果を生成する、強固なクラスタリングアンサンブルフレームワークを開発すること。
• 機械ベースの手法がしばしば失敗する、曖昧で人間にとっても難しい画像クラスタリングタスクにおいて、本手法の有効性を示すこと。

提案手法

• 複数のクラウド作業者から独立して画像をクラスタに割り当てる、各自の主観に基づいたクラスタリング解を収集する。
• 各作業者の解を、主観的解釈を反映した可変なクラスタ数を持つ画像の分割として表現する。
• 異なるクラウド生成分割間の一致度を測るために、調整付きランダムインデックス（ARI）を用いてペアワイズ類似度を計算する。
• すべての入力解にわたるクラスタ内分散を最小化する重心ベースのクラスタリングアンサンブルアプローチを適用し、代表的なクラスタ構造を同定する。
• クラスタ集合間の類似度の可能性を優先する距離測定を用い、クラスタ数が異なる場合でもコンセンサス形成を可能にする。
• 事前の知識や手動のチューニングを必要とせず、コンセンサス解における最終的なクラスタ数を自動で決定する。

実験結果

リサーチクエスチョン

• RQ1 真のクラスタ数が不明な状況において、非熟練者の集団的知性が信頼性があり多様な画像クラスタリング解を生成できるか？
• RQ2 真のラベルが存在しない状況において、クラスタ数が可変な入力解を扱えるように、クラスタリングアンサンブル手法をどのように拡張できるか？
• RQ3 重心ベースのアンサンブルアプローチは、曖昧な画像クラスタリングタスクにおいて、従来のクラスタリングアンサンブルアルゴリズム（例：CSPA、HGPA、MCLA）をどの程度上回ることができるか？
• RQ4 本手法の性能は、特に正規化相互情報量と調整付きランダムインデックスの観点から、熟練者ラベルの真値と比較してどの程度の水準にあるか？

主な発見

• 提案手法は、第3のデータセットにおいて調整付きランダムインデックス（ARI）が0.6909に達し、固定クラスタ数を要する最先端のアンサンブル手法を上回った。
• 第2のデータセットでは、個々の作業者解との比較でARIが0.6034に達し、全テストクラスタ数においてCSPA、HGPA、MCLAを同等または上回った。
• 本手法は、クラスタ数を入力として必要とせず、可変なクラスタ数に強く対応しており、一貫して高品質なコンセンサス結果を生成した。
• 全データセットにおける平均ARIは、熟練者ラベルの真値と比較しても強く性能を維持しており、人間の認識と高い整合性を示した。
• クラスタ境界が不明瞭な曖昧な画像セットにおいて、本手法は従来のアンサンブルアルゴリズムを上回り、現実的で非自明なクラスタリング状況における有効性を示した。
• 人間が生成するクラスタリング解の多様性、特にクラスタ数のばらつきが、より正確で信頼性の高いコンセンサス結果を生み出すために効果的に活用できることを結果が裏付けた。