Successfully reported this slideshow.
Your SlideShare is downloading. ×

Alexandros Delitzas Diploma Thesis presentation

More Related Content

Slideshows for you

More from ISSEL

Related Books

Free with a 30 day trial from Scribd

See all

Related Audiobooks

Free with a 30 day trial from Scribd

See all

Alexandros Delitzas Diploma Thesis presentation

  1. 1. ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ISSE L Κατανόηση της αισθητικής ιστοσελίδων με βαθιά μάθηση Εκπόνηση: Αλέξανδρος Δελητζάς ΑΕΜ 8448 Επιβλέποντες: Αναπ. Καθηγητής Ανδρέας Συμεωνίδης Δρ. Κυριάκος Χατζηδημητρίου Μάρτιος 2020
  2. 2. Κίνητρο • Σημασία αισθητικής ιστοσελίδων Halo effect
  3. 3. Κίνητρο • Επιτάχυνση διαδικασίας σχεδιασμού • Αύξηση αποτελεσματικότητας Prototype User feedback Design UI Design Cycle
  4. 4. Σκοπός της διπλωματικής εργασίας Στόχος: Κατασκευή εργαλείου αυτοματοποιημένης αξιολόγησης της αισθητικής ιστοσελίδων Επίλυση του προβλήματος με χρήση βαθιάς μάθησης
  5. 5. Rating-based vs Comparison-based αξιολόγηση
  6. 6. Rating-based σύνολο δεδομένων • 398 ιστοσελίδες • 441,478 αξιολογήσεις στην κλίμακα 1-9 • 18,448 συμμετέχοντες από 43 χώρες
  7. 7. Comparison-based σύνολο δεδομένων Επιλογή ιστοσελίδων Λήψη screenshots Συλλογή συγκρίσεων από χρήστες Εξαγωγή ranking από τις συγκρίσεις
  8. 8. Web Crawler
  9. 9. Comparison-based σύνολο δεδομένων Επιλογή ιστοσελίδων Λήψη screenshots Συλλογή συγκρίσεων από χρήστες Εξαγωγή ranking από τις συγκρίσεις
  10. 10. Εφαρμογή συλλογής δεδομένων
  11. 11. Εφαρμογή συλλογής δεδομένων • 32 συγκρίσεις ανά session • Έλεγχος συνέπειας στις απαντήσεις του χρήστη • Συνολικός αριθμός ιστοσελίδων: 100 • Συνολικός αριθμός συγκρίσεων που συλλέχθηκαν: 5,094
  12. 12. Comparison-based σύνολο δεδομένων Επιλογή ιστοσελίδων Λήψη screenshots Συλλογή συγκρίσεων από χρήστες Εξαγωγή ranking από τις συγκρίσεις
  13. 13. Εξαγωγή ranking από συγκρίσεις Δεδομένα συγκρίσεων από τους χρήστες Μοντέλο Bradley-Terry Απόδοση σκορ Κανονικοποίηση σκορ στην κλίμακα 1-10
  14. 14. Εξαγωγή ranking από συγκρίσεις Σκορ 1/10 Σκορ 5.5/10 Σκορ 10/10 Παραδείγματα: Επίπεδο αισθητικής
  15. 15. Κατασκευή μοντέλων βαθιάς μάθησης Μοντέλα Rating-based Προσέγγιση 1 Προσέγγιση 2 Προσέγγιση 3 Comparison- based Προσέγγιση 1
  16. 16. Rating-based μοντέλα – 1η Προσέγγιση • Χρήση μέσου όρου των αξιολογήσεων • Χρήση AlexNet αρχιτεκτονικής • Μεταφορά γνώσης από Flickr Style dataset (80K φωτογραφίες για image style recognition)
  17. 17. Rating-based μοντέλα – 2η προσέγγιση • Χρήση όλης της κατανομής των σκορ • Χρήση MobileNet αρχιτεκτονικής • Μεταφορά γνώσης από AVA dataset (250K φωτογραφίες για aesthetic visual analysis)
  18. 18. Rating-based μοντέλα – 2η προσέγγιση Εκτίμηση της κατανομής των σκορ Σκορ αισθητικής = αναμενόμενη τιμή της κατανομής
  19. 19. Rating-based μοντέλα – 3η Προσέγγιση • Χρήση όλων των ζευγών (ιστοσελίδα, αξιολόγηση χρήστη) • Χρήση AlexNet αρχιτεκτονικής • Μεταφορά γνώσης από Flickr Style dataset (80K φωτογραφίες για image style recognition)
  20. 20. Κατασκευή μοντέλων βαθιάς μάθησης Μοντέλα Rating-based Προσέγγιση 1 Προσέγγιση 2 Προσέγγιση 3 Comparison- based Προσέγγιση 1
  21. 21. Comparison-based μοντέλο • Χρήση του Bradley-Terry rating • Χρήση AlexNet αρχιτεκτονικής • Μεταφορά γνώσης από 1η rating-based προσέγγιση
  22. 22. Αξιολόγηση μοντέλων Rating-based Comparison-based • Leave-one-out cross validation • 100 δείγματα • Διαχωρισμός σε σύνολο εκπαίδευσης και σύνολο ελέγχου  Σύνολο εκπαίδευσης: 300 δείγματα (75.4%)  Σύνολο ελέγχου: 98 δείγματα (24.6%) Μετρικές: Συντελεστής συσχέτισης Pearson (PCC) , RMSE
  23. 23. Αποτελέσματα – Rating-based μοντέλα Μοντέλο 1ης προσέγγισης PCC RMSE Χωρίς χρήση μεταφοράς γνώσης 0.47 [0.30, 0.61] 0.850 Με χρήση μεταφοράς γνώσης από Flickr Style 0.78 [0.69, 0.85] 0.616 Μοντέλο 2ης προσέγγισης PCC RMSE Μεταφορά γνώσης από ImageNet 0.71 [0.60, 0.80] 0.694 Μεταφορά γνώσης από AVA 0.76 [0.66, 0.83] 0.662 Συνεισφορά μεταφοράς γνώσης Μεταφορά γνώσης από σύνολα δεδομένων σχετικών με αισθητική φωτογραφιών Σύνολα δεδομένων για μεταφορά γνώσης: • Flickr Style (Image Style Recognition) • AVA (Aesthetic Visual Analysis) • ImageNet (Object Recognition)
  24. 24. Αποτελέσματα – Rating-based μοντέλα Μοντέλο PCC RMSE Accuracy (2 classes) Πρώτη Προσέγγιση 0.78 [0.69, 0.85] 0.616 88.78 % Δεύτερη Προσέγγιση 0.76 [0.66, 0.83] 0.662 84.69 % Τρίτη Προσέγγιση 0.78 [0.68, 0.85] 0.628 83.67 %
  25. 25. Παραδείγματα αξιολόγησης
  26. 26. Αποτελέσματα – Comparison-based μοντέλα Μοντέλο PCC RMSE Μεταφορά γνώσης από 1η rating-based προσέγγιση 0.70 [0.58, 0.79] 1.353
  27. 27. Παραδείγματα αξιολόγησης
  28. 28. Σύγκριση συμπεριφοράς μοντέλων • Μελέτη συμπεριφοράς σε 24 ιστοσελίδες • Διαχωρισμός ιστοσελίδων σε 3 κλιμακούμενα επίπεδα αισθητικής Παραδείγματα των 3 επιπέδων αισθητικής: Χαμηλό Μεσαίο Υψηλό Rating-based model: 4.53 / 10 Comparison-based model: 3.67 / 10 Rating-based model: 4.65 / 10 Comparison-based model: 6.52 / 10 Rating-based model: 6.60 / 10 Comparison-based model: 8.53 / 10
  29. 29. Σύγκριση συμπεριφοράς μοντέλων Μοντέλο Εύρος εκτιμήσεων Rating-based [2.80, 6.87] Comparison-based [2.56, 8.53] Πιο αντιπροσωπευτική χρήση της κλίμακας από το comparison- based μοντέλο
  30. 30. Εφαρμογή αξιολόγησης ιστοσελίδων
  31. 31. Ευχαριστίες Ευχαριστώ θερμά: • Τον Αναπληρωτή Καθηγητή Ανδρέα Συμεωνίδη • Τον Δρ. Κυριάκο Χατζηδημητρίου • Τους ανώνυμους εθελοντές που συμμετείχαν στη συλλογή δεδομένων
  32. 32. Σας ευχαριστώ για την προσοχή σας  Ερωτήσεις;

×