Une nouvelle méthode de classification en grande dimension pour la reconnaissance de formes

Charles Bouveyron 1, 2 Stephane Girard 2 Cordelia Schmid 1, *
* Auteur correspondant
1 LEAR - Learning and recognition in vision
GRAVIR - IMAG - Graphisme, Vision et Robotique, Inria Grenoble - Rhône-Alpes, CNRS - Centre National de la Recherche Scientifique : FR71
Résumé : Nous proposons une nouvelle modélisation gaussienne adaptée aux données de grande dimension pour la discrimination et la classification automatique. Notre modélisation est basée sur l'hypothèse que les données de grande dimension vivent dans des sous-espaces dont la dimension intrinsèque est inférieure à la dimension de l'espace. Pour ce faire, notre approche recherche les sous-espaces spécifiques dans lesquels vivent chacune des classes. De plus, nous régularisons les matrices de covariance des classes en supposant que les classes sont sphériques à la fois dans leur espace propre et son supplémentaire. Nous utilisons ensuite ce nouveau modèle en analyse discriminante et en classification automatique dans le cadre de la reconnaissance d'objets dans des images naturelles.
Type de document :
Communication dans un congrès
20ème colloque GRETSI sur le traitement du signal et des images, Sep 2005, Louvain-la-Neuve, Belgique. Groupe d'Etudes du Traitement du Signal et des Images (GRETSI), pp.365-368, 2006, 〈http://hdl.handle.net/2042/13856〉
Liste complète des métadonnées

https://hal.inria.fr/inria-00548515
Contributeur : Thoth Team <>
Soumis le : lundi 20 décembre 2010 - 09:08:45
Dernière modification le : mercredi 11 avril 2018 - 01:56:01

Identifiants

  • HAL Id : inria-00548515, version 1

Collections

IMAG | INRIA | UGA

Citation

Charles Bouveyron, Stephane Girard, Cordelia Schmid. Une nouvelle méthode de classification en grande dimension pour la reconnaissance de formes. 20ème colloque GRETSI sur le traitement du signal et des images, Sep 2005, Louvain-la-Neuve, Belgique. Groupe d'Etudes du Traitement du Signal et des Images (GRETSI), pp.365-368, 2006, 〈http://hdl.handle.net/2042/13856〉. 〈inria-00548515〉

Partager

Métriques

Consultations de la notice

199