Modélisation, classification et annotation d'images partiellement annotées avec un réseau Bayésien

Sabine Barrat 1 Salvatore Tabbone 1
1 QGAR - Querying Graphics through Analysis and Recognition
LORIA - Laboratoire Lorrain de Recherche en Informatique et ses Applications
Résumé : Dans cet article, nous proposons un modèle graphique probabiliste pour représenter des images partiellement annotées. Nous considérons une image comme partiellement annotée si elle ne possède pas le nombre maximal de mots-clés disponibles pour une image dans la vérité-terrain. Ce modèle est utilisé pour classifier des images et étendre automatiquement les annotations existantes à de nouvelles images, en prenant en compte les éventuelles relations sémantiques entre mots-clés. La méthode proposée a été évaluée en classification visuo-textuelle et en extension automatique d'annotations. La classification visuo-textuelle correspond à la classification effectuée en utilisant à la fois l'information visuelle et l'information textuelle, quand elle est disponible. Les résultats expérimentaux, obtenus à partir d'une base de plus de 30000 images, montrent une amélioration de 50.5% en moyenne, en terme de taux de reconnaissance, par rapport à la classification basée sur l'information visuelle seule. La prise en compte des éventuelles relations sémantiques entre mots-clés améliore le taux de reconnaissance de 10.5% en moyenne et le taux de bonnes annotations de 6.9% en moyenne. Enfin, la méthode proposée s'est montrée compétitive, expérimentalement, avec des classificateurs de l'état de l'art.
Type de document :
Communication dans un congrès
17 e congrès francophone AFRIF-AFIA Reconnaissance des Formes et Intelligence Artificielle - RFIA 2010, Jan 2010, Caen, France. 2010
Liste complète des métadonnées

Littérature citée [11 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00437502
Contributeur : Sabine Barrat <>
Soumis le : lundi 30 novembre 2009 - 17:02:58
Dernière modification le : mardi 24 avril 2018 - 13:01:54
Document(s) archivé(s) le : jeudi 17 juin 2010 - 20:16:36

Fichier

article_RFIA10.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inria-00437502, version 1

Collections

Citation

Sabine Barrat, Salvatore Tabbone. Modélisation, classification et annotation d'images partiellement annotées avec un réseau Bayésien. 17 e congrès francophone AFRIF-AFIA Reconnaissance des Formes et Intelligence Artificielle - RFIA 2010, Jan 2010, Caen, France. 2010. 〈inria-00437502〉

Partager

Métriques

Consultations de la notice

293

Téléchargements de fichiers

462