Vous êtes ici : GIPSA-lab > Animation > Séminaires

Séminaire du département Images et Signal du 11/04/2013 à 15h00

 

Sur quelques outils en géométrie de l'information pour la prise en compte de la diversité intra-classe. Application à la classification supervisée d'image texturée sous hypothèse non-gaussienne multi

Intervenant : Yannick BERTHOUMIEU, Laboratoire de l'Intégration du Matériau au Système, Bordeaux.

Lieu : salle chartreuse

 

Résumé :

La prise en compte, au sein d’une même classe, de la diversité des échantillons représentatifs est un problème récurrent en classification supervisée des signaux ou des images. Cette diversité s’explique notamment par le fait que l’on observe des phénomènes naturels satisfaisant rarement à la propriété stricte de stationnarité et dont l’observation répétée peut se faire sous différentes conditions d’acquisition (position du capteur, interaction avec l’environnement, etc.). En pratique, cela se traduit par une certaine extension de la zone représentative de la classe dans l’espace des descripteurs, phénomène que nous devons caractériser afin de garantir les performances en classification. 
Dans le contexte de la modélisation stochastique, sous a priori paramétrique, nous nous intéresserons à la prise en compte de la diversité dans le processus d’apprentissage. Pour cela, nous proposerons un algorithme de type "k-means" dans l’espace des modèles paramétriques. Ainsi, dans cet exposé, nous introduisons tout d’abord le concept de loi "barycentrique" vu sous le prisme des variétés riemanniennes. Nous traiterons notamment le cas des modèles non-gaussiens multivariés afin de prendre en compte la dépense locale des observations. Nous généraliserons, ensuite, au cas multi-barycentrique afin de modéliser la géométrie dans l’espace des paramètres de la représentation de la classe. 
A titre d’illustration, nous traiterons le problème de la classification d’images texturées. 


GIPSA-lab, 11 rue des Mathématiques, Grenoble Campus BP46, F-38402 SAINT MARTIN D'HERES CEDEX - 33 (0)4 76 82 71 31