Modèles graphiques pour la combinaison de descripteurs : application à la reconnaissance de symboles

Sabine Barrat 1 Salvatore Tabbone 1
1 QGAR - Querying Graphics through Analysis and Recognition
INRIA Lorraine, LORIA - Laboratoire Lorrain de Recherche en Informatique et ses Applications
Résumé : Nous présentons dans cet article une méthode de combinaison de descripteurs pour la reconnaissance de symboles, qui permet d'améliorer significativement le taux de reconnaissance, par rapport aux taux obtenus par chaque descripteur pris individuellement. Pour ce faire, nous proposons une exploitation originale de la théorie des modèles graphiques : nous définissons un classifieur utilisant un modèle de mixtures de gaussiennes, représenté par un simple modèle graphique. Les modèles graphiques sont un mode de représentation simple et intuitif des modèles de mixtures de gaussiennes. L'apprentissage du modèle se fait à l'aide de l'algorithme EM et à partir d'un échantillon d'apprentissage. Cet échantillon est un ensemble d'images étiquetées, chacune d'elle étant représentée par un ensemble de caractéristiques, issues d'un ou plusieurs descripteurs. Une fois le modèle appris, la règle de décision est la suivante : on affecte une nouvelle image à la classe pour laquelle la probabilité d'une classe étant donné l'ensemble des caractéristiques de cette image est maximale. Les caractéristiques de chaque image requête sont bien sûr calculées de la même façon que pour les images étiquetées. Quant à la probabilité conditionnelle de chaque classe, elle est calculée grâce au moteur d'arbre de jonction, qui est à la base de tous les algorithmes d'inférence exacts pour les modèles graphiques. Les résultats préliminaires sont prometteurs. En effet, ils ont montré qu'en utilisant plusieurs descripteurs au sein d'un même modèle, nous améliorons de façon significative le taux de reconnaissance.
Type de document :
Communication dans un congrès
16e congrès francophone AFRIF-AFIA Reconnaissance de Formes et Intelligence Artificielle - RFIA08, Jan 2008, Amiens, France. 2008
Liste complète des métadonnées

Littérature citée [14 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00232594
Contributeur : Sabine Barrat <>
Soumis le : vendredi 1 février 2008 - 11:17:39
Dernière modification le : jeudi 11 janvier 2018 - 06:19:59
Document(s) archivé(s) le : lundi 3 mai 2010 - 16:08:20

Fichier

article_RFIA08_barrat_tabbone....
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inria-00232594, version 1

Collections

Citation

Sabine Barrat, Salvatore Tabbone. Modèles graphiques pour la combinaison de descripteurs : application à la reconnaissance de symboles. 16e congrès francophone AFRIF-AFIA Reconnaissance de Formes et Intelligence Artificielle - RFIA08, Jan 2008, Amiens, France. 2008. 〈inria-00232594〉

Partager

Métriques

Consultations de la notice

195

Téléchargements de fichiers

125