Indexation symbolique d'images : une approche basée sur l'apprentissage non supervisé de régularités - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2005

Symbolic images indexing: an approach based on unsupervised learning of regularities

Indexation symbolique d'images : une approche basée sur l'apprentissage non supervisé de régularités

Résumé

This work deals with automatic indexing of personal photographs by highly abstract visual concepts. We make a case for unsupervised learning, by putting forward arguments against the use of supervised learning alone. We introduce a new unsupervised learning paradigm based on two kinds of regularities, implementing respectively to the notion of structure and the notion of contextual similarity. These regularities are inducted from a stream of visual data and are stored as new nodes in a growing network. New data is systematically recoded in terms of previously acquired knowledge, thus continuously changing the lens through which the data is seen. Experiments on real visual data, as well as synthesized data, show that our approach creates ‘relevant' recoding features, yielding better indexing results. From these very promising results, we draw a number of ambitious directions for future works.
Ce travail porte sur l'indexation automatique de photographies personnelles par des concepts visuels de haut niveau d'abstraction. Nous argumentons en faveur d'une approche basée sur l'apprentissage non supervisé, en mettant en avant les limites de l'apprentissage supervisé. Nous proposons un paradigme d'apprentissage non supervisé basé sur deux types de régularités, correspondant respectivement aux notions de structure et de similarité. Ces régularités sont apprises à partir d'un flux d'informations visuelles et constituent les nœuds d'un réseau grandissant. Les données d'apprentissage sont recodées en termes des connaissances déjà acquises. Des expérimentations sur des données réelles et synthétisées montrent que notre approche permet de créer une représentation des données pertinente, engendrant une indexation de meilleure qualité. Ces expérimentations très prometteuses permettent d'esquisser des perspectives ambitieuses.
Fichier principal
Vignette du fichier
THESE_BISSOL.pdf (2.34 Mo) Télécharger le fichier
Loading...

Dates et versions

tel-00011315 , version 1 (06-01-2006)

Identifiants

  • HAL Id : tel-00011315 , version 1

Citer

Stéphane Bissol. Indexation symbolique d'images : une approche basée sur l'apprentissage non supervisé de régularités. Interface homme-machine [cs.HC]. Université Joseph-Fourier - Grenoble I, 2005. Français. ⟨NNT : ⟩. ⟨tel-00011315⟩

Collections

UGA IMAG CNRS UJF
235 Consultations
563 Téléchargements

Partager

Gmail Facebook X LinkedIn More