KarĢılaĢtırmalı deney sonuçları…

Bu alt bölümde karĢılaĢtırmalı sonuçlar ile önerilen yöntemin performansı sınanmaktadır. Ayrıca güç çarpanı yaklaĢımının, çok seviyeli yaklaĢımın ve çekim uzunluğu benzerliğinin önerilen yönteme katkısı deneysel olarak gösterilmektedir. Bu amaç ile aĢağıda belirtilen yöntemlerin gerçekleĢtirimi yapılmaktadır.

Birinci seviye + ikinci seviye yöntemi (L1L2): Bu yöntem GBMVSD ile

67

kesim eĢik değerinin uyarlanır seçilmesi dıĢında tamamen aynıdır. BaĢka bir deyiĢ ile Bölüm 5.3.4 içerisinde anlatılan uyarlanır kesim eĢik değeri kullanımı yerine eĢik değerleri ayrık bir parametre uzayı içerisinde seçilmektedir. Birinci seviyedeki K1 için 0.1 ile 1.1 değerleri arasında 0.1 basamak aralığında; ikinci seviyedeki K2 için 0.1 ile 2.0 değerleri arasında 0.1 basamak aralığında değerler seçilmektedir.

Güç çarpanı yaklaĢımı kullanılmadan birinci seviye + ikinci seviye (L1L2_NSF): Bu yöntem L1L2 ile güç çarpanının kullanımı dıĢında tamamen aynıdır.

BaĢka bir deyiĢ ile güç çarpanı yaklaĢımı kullanılmamaktadır.

Rasheed ve Shah’ın yöntemi (RS): Ġlgili kaynakta (Rasheed and Shah 2005) anlatılan video sahne sezme yöntemi Ģu parametreler ile gerçekleĢtirilmektedir: α=0.5, β=0.5, d=20, λ=0.6. Parametre değerlerinin yapılan deneylerde fazla sayıda bölütlemeye sebep olduğu gözlemlenmiĢtir. Bu neden ile performans çok düĢük çıkmaktadır. Bu durumun üstesinden gelmek için iki seçenek bulunmaktadır. Ġlk yaklaĢım kesim eĢik değerinin düĢürülmesidir. Bir diğeri ise d parametre değerinin arttırılmasıdır. Bu neden ile ileriki iki parağrafda anlatılan yöntemlerin gerçekleĢtirimi yapılmıĢtır.

Yeni λ değerleri ile RS (RS_λ): Bu yöntem RS ile λ değerleri dıĢında tamamen aynıdır. Kesim eĢik değerinin λ=0.6 seçilmesi yerine 0.01 ile 0.1 değerleri arasında 0.01 basamak aralığında değerler seçilmektedir.

Yeni d değeri ile RS (RS_d): Bu yöntem RS ile yeni d ve λ değerleri dıĢında tamamen aynıdır. Parametre d için yeni bir ayarlama yapılmıĢtır. BM videosu eğitim videosu olarak kullanılmıĢtır. Kesim eĢik değeri λ=0.6 seçililerek d değeri 20’den baĢlayarak arttırılmıĢtır. Sezilen sahne sayısı ile esas sahne sayısı aynı olduğunda arttırma durdurulmuĢtur. Böylece kaba bir ayarlama ile d =1200 elde edilmiĢtir. Kesim eĢik değerinin λ=0.6 seçilmesi yerine de 0.1 ile 1.0 değerleri arasında 0.1 basamak aralığında değerler seçilmektedir.

68

Çizelge 5.3 L1L2, L1L2_NSF, RS, RS_d ve RS_λ yöntemleri için performans sonucu:

Aynı parametredeki en yüksek ortalama değer

Çizelge 5.3 L1L2, L1L2_NSF, RS, RS_d ve RS_λ arasındaki karĢılaĢtırmalı sonuçları göstermektedir. Aynı parametredeki en yüksek ortalama değer her bir yöntem için elde edilerek bu tablo oluĢturulmuĢtur. Parametre değerleri en son sütunda gösterilmektedir.

Örnek olarak, L1L2 için K1=0.5 ve K2=0.8 parametrelerinde ortalama 0.762 elde edilmiĢtir. Çizelge 5.3’e göre en iyi performans L1L2_NSF’ye aittir (0.775) ve ikinci sırada L1L2 yer almaktadır. RS’in performansı fazla bölütleme nedeni ile çok düĢüktür.

RS_λ için λ=0.02 parametresinde ortalama 0.687 elde edilmiĢtir. Yeni parametre ayarlaması performansı belirgin bir biçimde arttırmaktadır. RS_d için λ=0.6 parametresinde ortalama 0.758 elde edilmiĢtir. Bu deneysel çalıĢmadan, sabit bir parametre uzayında L1L2_NSF’in en uygun yöntem olduğu ortaya çıkmaktadır. Doğru bir değerlendirme için L1L2_NSF’in performansı baĢka durumlarda da sınanacaktır.

Çizelge 5.4 L1L2, L1L2_NSF, RS, RS_d ve RS_λ yöntemleri için performans sonucu:

En yüksek performans sonuçlarının ortalaması

Yöntem F F1

L1L2 0,784 0,884

L1L2_NSF 0,775 0,890

RS_d 0,748 0,838

RS_λ 0,722 0,740

Çizelge 5.4 L1L2, L1L2_NSF, RS_d ve RS_λ arasındaki karĢılaĢtırmalı sonuçları göstermektedir. En yüksek performans sonuçlarının ortalaması her bir yöntem için ayrık parametre uzayı içerisinde elde edilerek bu tablo oluĢturulmuĢtur. F ve F1 ölçerleri için bu iĢlem ayrı ayrı yapılmıĢtır. Örnek olarak, L1L2 için F ölçerinde ortalama 0.784 elde edilmiĢtir. Çizelge 5.4’e göre en iyi performans L1L2’ye aittir ve ikinci sırada L1L2_NSF yer almaktadır. Bu deneysel çalıĢmadan Ģu sonuç çıkarılabilir: Eğer uygun

Yöntem F F1 Ortalama Parametre(ler) L1L2_NSF 0,726 0,823 0,775 K₁=0.5, K₂=0.7 L1L2 0,730 0,793 0,762 K₁=0.5, K₂=0.8

RS_d 0,717 0,799 0,758 λ=0.6

RS_λ 0,695 0,678 0,687 λ=0.02

RS 0,375 0,024 0,199 λ=0.6

69

kesim eĢik değerleri bir Ģekilde her bir video için seçilebilirse L1L2 yöntemi ile daha yüksek performans sonuçlarına ulaĢılabilir.

Çizelge 5.5 F ölçerine göre en yüksek performans değerlerini veren parametrelerin içinde yer aldığı aralık

Yöntem K₁ K₂

L1L2 0.5-0.8 0.4-1.0

L1L2_NSF 0.2-1.0 0.3-1.1

Çizelge 5.5 L1L2 ve L1L2_NSF için F ölçerine göre en yüksek performans değerlerini veren parametrelerin içinde yer aldığı aralıkları göstermektedir. Bu deneyde, F ölçeri F1

ölçerine göre daha detaylı bir değerlendirme sunduğu için tercih edilmiĢtir. Çizelge 5.5’e göre L1L2’nin K1 ve K2 parametre aralıkları L1L2_NSF’in parametre aralıklarına göre daha dardır. BaĢka bir deyiĢ ile en yüksek performans değerleri parametre uzayında daha dar bir aralıkta sıralanmaktadır. Çizelge 5.4 ve Çizelge 5.5’de sunulan deneysel çalıĢmalardan Ģu sonuç çıkarılabilir: L1L2, uyarlanır bir biçimde kesim eĢik değerinin seçilmesi için L1L2_NSF’ye göre daha tercih edilebilir bir yöntemdir.

Çizelge 5.6 GBMVSD performans sonuçları

CP BM GS HA HO KH ME MR Ortalama

K1 0.8 0.7 0.7 0.8 0.7 0.7 0.8 0.7 -

K2 0.7 0.6 0.6 0.5 0.4 0.9 0.5 0.4 -

Esas Sahne 23 18 29 12 16 44 9 19 -

Sezilen Sahne 25 17 31 15 12 55 11 22 -

Doğru 22 15 27 12 11 31 7 17 -

YanlıĢ Sezme 3 2 4 3 1 24 4 5 -

Kaçırma 1 3 2 0 5 13 2 2 -

Recall 0.957 0.833 0.931 1.000 0.688 0.705 0.778 0.895 - Precision 0.880 0.882 0.871 0.800 0.917 0.564 0.636 0.773 - F1 0.917 0.857 0.900 0.889 0.786 0.626 0.700 0.829 0.813 F 0.800 0.796 0.789 0.757 0.706 0.689 0.694 0.776 0.751

Çizelge 5.6 GBMVSD performans sonuçlarını sunmaktadır. Uyarlanır bir biçimde seçilen parametre değerleri de ilk iki satırda sunulmaktadır. Ortalama değerler F ve F1

için sırası ile 0.751 ve 0.813 değerleridir. Bunların ortalaması olan 0.784 değeri, L1L2, L1L2_NSF, RS, RS_d ve RS_λ arasında en yüksek ortalama değerdir (Bkz. Çizelge 5.3). GBMVSD test verisi üzerinde genel olarak iyi sonuç vermiĢtir. Ayrıca uyarlanır kesim eĢik değeri yaklaĢımı test videolarının çoğunda iyi bir Ģekilde çalıĢmıĢtır.

70

Önerilen yöntem KH ve ME videoları dıĢındaki tüm videolarda F ölçerine göre 0.700 değerinin üstünde bir performans göstermiĢtir. KH videosundaki bu düĢüĢün nedenlerinden birisi biraz fazla bölütlenmiĢ olmasıdır. Uyarlanır kesim eĢik değeri yaklaĢımı bu video üzerinde yeterince iyi çalıĢmamıĢtır. Bununla birlikte ME videosundaki durum tamamen farklıdır. ME videosundaki performans düĢük olmasına rağmen elde edilen F ölçerine göre 0.694 değeri L1L2_NSF, RS, RS_d ve RS_λ yöntemlerinde elde edilen en yüksek değerlerden bile daha yüksektir. BaĢka bir deyiĢ ile önerilen uyarlanır kesim eĢik değeri yaklaĢımı bu video üzerinde çok iyi çalıĢmıĢ ve ayrık parametre uzayındaki en yüksek değeri bulmuĢtur. Bununla birlikte bu en yüksek değer diğer videolardan elde edilen en yüksek değerlere göre son sıradadır. ME videosundaki bu düĢüĢün nedenlerinden birisi sekiz sahne geçiĢinin beĢ tanesinin bir çekimin sınırları içerisinde olmasıdır. BaĢka bir deyiĢ ile çekim sınırları sahnelerin sınırlarına denk gelmemektedir. GBMVSD çekimlerin topaklanmasına dayandığı için bu durum performansı etkilemektedir.

Çizelge 5.7 GBMVSD, MCMC, L1L2_NSF ve RS_d için GS ve MR videoları için karĢılaĢtırmalı sonuçlar

GBMVSD MCMC L1L2_NSF RS_d

GS MR GS MR GS MR GS MR

Esas Sahne 29 19 29 18 29 19 29 19

Sezilen Sahne 31 22 25 18 30 25 27 23

Doğru 27 17 24 15 25 17 23 15

YanlıĢ Sezme 4 5 1 3 5 8 4 8

Kaçırma 2 2 5 3 4 2 6 4

Recall 0.931 0.895 0.828 0.833 0.862 0.895 0.793 0.789

Precision 0.871 0.773 0.960 0.833 0.833 0.680 0.852 0.652

F1 0.900 0.829 0.889 0.833 0.847 0.773 0.821 0.714

Ortalama F₁ 0.865 0.861 0.810 0.768

Çizelge 5.7 GBMVSD ile (Zhai and Shah 2006) içerisinde sunulan Markov zinciri Monte Carlo yöntemi (MCMC), L1L2_NSF ve RS_d yönemlerinin F1 ölçerine göre karĢılaĢtırmalı sonuçlarını göstermektedir. MCMC değerlendirmesinde kullanılan ve en iyi performans veren iki video bu deneyde test videosu olarak kullanılmıĢtır, GS ve MR.

MCMC test sonuçları ilgili kaynağın içerisindeki Table 3’den alınmıĢtır, bu yöntemin gerçekleĢtirimi yapılmamıĢtır. Diğer yöntemler daha önce açıklandığı üzere gerçekleĢtirilmiĢtir: L1L2_NSF (K1=0.5, K2=0.7), RS_d (λ=0.6). Ortalama F1 ölçerine

71

göre en iyi performans sonucunu 0.865 olarak GBMVSD vermektedir, ikinci ise MCMC’dir. Bununla birlikte aradaki fark oldukça azdır. Bu iki yöntemi kendi arasında karĢılaĢtırdığımızda GBMVSD “Recall” ölçerine göre daha yüksek, MCMC ise

“Precision” ölçerine göre daha yüksek değerler vermektedir. ġu nokta da göz ardı edilmemelidir: MCMC döngülü (iterative) bir yöntem olmasına karĢılık önerilen yöntem döngülü olmayan bir yöntemdir. L1L2_NSF ve RS_d ortalama performans sonuçları sırası ile 0.810 ve 0.768’dir ve önerilen GBMVSD ortalama performans sonucu bu her iki değerden de belirgin bir Ģekilde yüksektir.