Méthodes d'apprentissage pour la recherche de catégories dans des bases d'images - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2005

Learning methods for category retrieval in image databases

Méthodes d'apprentissage pour la recherche de catégories dans des bases d'images

Résumé

The decreasing cost of stockage and availability of high quality numeric media allow today the building of huge image databases in various scopes. These databases are often under exploited, because of the lack of tools to access the information they contain. In this thesis, we propose a set of learning techniques for image category search, gathered in the RETIN 2 system. Concerning indexing, we propose a quantization method for a very large number of vectors in order to build the image indexes as histograms, and also a kernel approach of similarity. Concerning interactive search, we study several classification methods, and present active learning which aims at selecting the pictures the user should label. We propose several methods in an active learning architecture which deal with the particular characteristics of the CBIR context. At last, we study the problem of the re-use of labels users have given during retrieval sessions. We present the weakly aspect of this learning problem in our context. We propose two methods which optimize the similarity between images in the scope of kernel functions. The system is evaluated on a generalist image database of several thousands of images.
La diminution du coût de stockage et la disponibilité de techniques de numérisation de haute qualité permettent aussi aujourd'hui de constituer de très grandes bases d'images dans des domaines variés. Ces bases sont souvent immenses et généralement sous-exploitées faute d'outils pour accéder à l'information qu'elles contiennent. Dans cette thèse, nous proposons un ensemble de techniques d'apprentissage pour la recherche de catégories d'images, regroupées au sein du système RETIN 2. Du point de vue de l'indexation, nous proposons une méthode de quantification d'un très grand nombre de vecteurs pour la construction de signatures sous la forme d'histogrammes, ainsi qu'une approche de la similarité par fonction noyau. Du point de vue de la recherche interactive, nous étudions de nombreuses techniques de classification, et présentons l'apprentissage actif, qui offre un cardre formel pour la sélection des images à faire annoter par l'utilisateur. Nous proposons plusieurs méthodes au sein d'une architecture d'apprentissage actif qui permettent de faire face aux caratéristiques particulières de la recherche interactive d'images. Le dernier point important que nous avons étudié concerne la ré-utilisation des annotations que les utilisateurs fournissent lors des sessions de recherche. Nous présentons le caractère faiblement supervisé de ce problème d'apprentissage dans notre contexte. Nous proposons deux méthodes qui s'appuient sur une modification des similarités entre les images dans le cadre de l'utilisation de fonctions noyaux. Le système est évalué sur une base d'images généraliste de plusieurs milliers d'images.
Fichier principal
Vignette du fichier
gosselin05these.pdf (1.82 Mo) Télécharger le fichier
Loading...

Dates et versions

tel-00619222 , version 1 (05-09-2011)

Identifiants

  • HAL Id : tel-00619222 , version 1

Citer

Philippe-Henri Gosselin. Méthodes d'apprentissage pour la recherche de catégories dans des bases d'images. Interface homme-machine [cs.HC]. Université de Cergy Pontoise, 2005. Français. ⟨NNT : ⟩. ⟨tel-00619222⟩
263 Consultations
240 Téléchargements

Partager

Gmail Facebook X LinkedIn More