Object and Scene Classification: what does a Supervised Approach Provide us?

Given a set of images of scenes containing different object categories (e.g. grass, roads) our objective is to discover these objects in each image, and to use this object occurrences to perform a scene classification (e.g. beach scene, mountain scene). We achieve this by using a supervised learning algorithm able to learn with few images to facilitate the user task. We use a probabilistic model to recognise the objects and further we classify the scene based on their object occurrences. Experimental results are shown and evaluated to prove the validity of our proposal. Object recognition performance is compared to the approaches of He et al. (2004) and Marti et al. (2001) using their own datasets. Furthermore an unsupervised method is implemented in order to evaluate the advantages and disadvantages of our supervised classification approach versus an unsupervised one

Supporting graduate development through work based learning

The genesis of this innovation lies in the commitment of a national Irish business enterprise to the professional development of its staff in general, and to the enhancement of its Information Technologies (IT) staff specifically, in collaboration with a national Higher Education (HE) provider. A postgraduate degree, awarded by the HE provider, seeks to bring coherence and cohesion to the education and training provision for newly recruited IT graduate staff of the business enterprise, simultaneously acting both as an induction process for new staff and as a professional capacity building exercise, thereby enhancing the enterprise’s organisational learning and collective competence in the areas of information technologies, IT security and technical service management. The curriculum was designed by the HE provider in collaboration with the business enterprise to offer it to circa sixteen IT staff per cycle of delivery through a model known generally as the new apprenticeship for professional practice which uses a combination of college-based, block release taught elements, regular day release seminars and substantial work-based learning, supported by the academic staff of the HE provider and work-based support staff/mentors of the business enterprise. Academic quality assurance, pedagogical, assessment and accreditation responsibilities remain with the HE provider. (...)

Scene Classification Using a Hybrid Generative/Discriminative Approach

We investigate whether dimensionality reduction using a latent generative model is beneficial for the task of weakly supervised scene classification. In detail, we are given a set of labeled images of scenes (for example, coast, forest, city, river, etc.), and our objective is to classify a new image into one of these categories. Our approach consists of first discovering latent ";topics"; using probabilistic Latent Semantic Analysis (pLSA), a generative model from the statistical text literature here applied to a bag of visual words representation for each image, and subsequently, training a multiway classifier on the topic distribution vector for each image. We compare this approach to that of representing each image by a bag of visual words vector directly and training a multiway classifier on these vectors. To this end, we introduce a novel vocabulary using dense color SIFT descriptors and then investigate the classification performance under changes in the size of the visual vocabulary, the number of latent topics learned, and the type of discriminative classifier used (k-nearest neighbor or SVM). We achieve superior classification performance to recent publications that have used a bag of visual word representation, in all cases, using the authors' own data sets and testing protocols. We also investigate the gain in adding spatial information. We show applications to image retrieval with relevance feedback and to scene classification in videos

Estudi dels processos emocionals en nens i nenes amb dificultats d'aprenentatge i la seva relació amb els processos cognitius basats en la Teoria PASS de la Intel·ligència

A lo largo de estos años de existencia del grupo de investigación se han ido desarrollando un volumen de casos donde se comenzó a evidenciar un hecho: niños y adolescentes llegaban derivados a la consulta por problemas de aprendizaje, pero éstos no siempre respondían a que tuvieran unos procesos cognitivos por debajo de la media. Por tanto, no se explicaba su bajo rendimiento escolar. Ante estos casos nos planteamos como intervenir en esta realidad educativa. Indagando descubrimos que la mayoría de estos también tenían problemas a nivel emocional. La pregunta inmediata que nos hicimos fue: podemos llegar a pensar que quizás los procesos emocionales influyen directamente en los procesos cognitivos? El estado emocional influye directamente en los procesos cognitivos?Los procesos cognitivos y emocionales son un todo inseparable? Estas dudas son las que me llevaron a proponer esta investigación: ver la relación que puede haber entre los procesos cognitivos y los procesos emocionales, evidentemente, siempre centrados desde el Modelo Humanista- Estratégico (modelo del grupo de investigación): a nivel cognitivo, Teoría PASS de la Inteligencia; a nivel emocional, la Teoría del Procesamiento Cerebral de las Emociones. Se plantea la tesis estructurada en dos partes: Parte teórica: explicación de la Unidad de Neuropsicopedagogía del Hospital Dr. Trueta de Girona (UNPP) donde se realiza la investigación, revisión teórica de procesamiento cognitivo, procesamiento emocional y su relación mutua. 2.- Parte práctica: objetivos, metodología, resultados, análisis- discusión, implicaciones educativas y conclusiones. El objetivo general es establecer una relación entre el procesamiento cognitivo y emocional a partir de la relación de los procesos cognitivos PASS con problemas emocionales en niños y niñas de entre 5 y 16 años. Para conseguirlo se pretende: 1. Establecer la relación entre procesamiento PASS y los efectos de la intervención emocional según el Modelo Humanista - Estratégico; 2. Analizar la relación entre procesamientos cognitivos PASS y los efectos de la intervención cognitiva según la Teoría PASS de la Inteligencia; 3.Comprobar si los procesos PASS varían en el transcurso de más de seis meses sin ningún tipo de intervención ni emocional ni cognitiva, 4. Comprobar si los resultados obtenidos en los tres primeros objetivos se diferencian entre ellos para determinar el componente emocional en los procesos cognitivos PASS, y 5. Establecer orientaciones prácticas para la intervención psicopedagògica considerando la relación de procesos emocionales, cognitivos y aprendizaje. Para poder llevar a cabo esta investigación, la metodologia utilizada es: una metodologia cuantitativa ya que se realiza una investigación experimental enmarcada como un diseño mixto 3x2 con el primer factor ínter sujeto y el segundo factor intra sujeto. Y por otra parte, una metodologia cualitativa. ya que en la primera muestra se realiza una intervención psicopedagógica en base emocional a cuarenta casos de la UNPP, y en la segunda muestra se realiza una intervención psicopedagògica en base cognitiva a treinta casos de la UNPP. Los resultados comparativos nos corraboran afirmativamente la hipotesis y objetivos, facilitando realizar un analisis-discusión muy interesante aportando las implicaciones educativas que acarrean, y por consiguiente llegando a las conclusiones. De entre éstas destacamos principalmente: 1. La intervención emocional es eficaz para mejorar el rendimiento cognitivo, si tenemos en cuenta que a pesar que no se ha realizado intervención cognitiva se ha producido una mejora en el rendimiento escolar. 2. La intervención cognitiva PASS es eficaz para la mejora del rendimiento cognitivo y la desaparación de las dificultades de aprendizaje cuando el origen de estas es cognitivo. 3. En las diferencias en planificación se observa que se ha producido un incremento mayor y sustancial en el grupo que ha recibido intervención emocional. 4. Y por consiguiente, podemos decir que la emoción se interrelaciona con la cognición a través del procesamiento cognitivo de planificación.

Image classification for a large number of object categories

L'increment de bases de dades que cada vegada contenen imatges més difícils i amb un nombre més elevat de categories, està forçant el desenvolupament de tècniques de representació d'imatges que siguin discriminatives quan es vol treballar amb múltiples classes i d'algorismes que siguin eficients en l'aprenentatge i classificació. Aquesta tesi explora el problema de classificar les imatges segons l'objecte que contenen quan es disposa d'un gran nombre de categories. Primerament s'investiga com un sistema híbrid format per un model generatiu i un model discriminatiu pot beneficiar la tasca de classificació d'imatges on el nivell d'anotació humà sigui mínim. Per aquesta tasca introduïm un nou vocabulari utilitzant una representació densa de descriptors color-SIFT, i desprès s'investiga com els diferents paràmetres afecten la classificació final. Tot seguit es proposa un mètode par tal d'incorporar informació espacial amb el sistema híbrid, mostrant que la informació de context es de gran ajuda per la classificació d'imatges. Desprès introduïm un nou descriptor de forma que representa la imatge segons la seva forma local i la seva forma espacial, tot junt amb un kernel que incorpora aquesta informació espacial en forma piramidal. La forma es representada per un vector compacte obtenint un descriptor molt adequat per ésser utilitzat amb algorismes d'aprenentatge amb kernels. Els experiments realitzats postren que aquesta informació de forma te uns resultats semblants (i a vegades millors) als descriptors basats en aparença. També s'investiga com diferents característiques es poden combinar per ésser utilitzades en la classificació d'imatges i es mostra com el descriptor de forma proposat juntament amb un descriptor d'aparença millora substancialment la classificació. Finalment es descriu un algoritme que detecta les regions d'interès automàticament durant l'entrenament i la classificació. Això proporciona un mètode per inhibir el fons de la imatge i afegeix invariança a la posició dels objectes dins les imatges. S'ensenya que la forma i l'aparença sobre aquesta regió d'interès i utilitzant els classificadors random forests millora la classificació i el temps computacional. Es comparen els postres resultats amb resultats de la literatura utilitzant les mateixes bases de dades que els autors Aixa com els mateixos protocols d'aprenentatge i classificació. Es veu com totes les innovacions introduïdes incrementen la classificació final de les imatges.