en fr EXTENDED BAG-OF-WORDS FORMALISM FOR IMAGE CLASSIFICATION EXTENSION DU MODELE PAR SAC DE MOTS VISUELS POUR LA CLASSIFICATION DIMAGES Report as inadecuate




en fr EXTENDED BAG-OF-WORDS FORMALISM FOR IMAGE CLASSIFICATION EXTENSION DU MODELE PAR SAC DE MOTS VISUELS POUR LA CLASSIFICATION DIMAGES - Download this document for free, or read online. Document in PDF available to download.

1 MLIA - Machine Learning and Information Access LIP6 - Laboratoire d-Informatique de Paris 6 2 LIP6 - Laboratoire d-Informatique de Paris 6

Abstract : In this dissertation, we have addressed the problem of representing images based on their visual information.
Our aim is content-based concept detection in images and videos, with a novel representation that enriches the Bag-of-Words model.
Relying on the quantization of highly discriminant local descriptors by a codebook, and the aggregation of those quantized descriptors into a single pooled feature vector, the Bag-of-Words model has emerged as the most promising approach for image classification.
We propose BossaNova, a novel image representation which offers a more information-preserving pooling operation based on a distance-to-codeword distribution.
The experimental evaluations on many challenging image classification benchmarks, such as ImageCLEF Photo Annotation, MIRFLICKR, PASCAL VOC and 15-Scenes, have shown the advantage of BossaNova when compared to traditional techniques, even without using complex combinations of different local descriptors.
An extension of our approach has also been studied.
It concerns the combination of BossaNova representation with another representation very competitive based on Fisher Vectors.
The results consistently reaches other state-of-the-art representations in many datasets.
It also experimentally demonstrate the complementarity of the two approaches.
This study allowed us to achieve, in the competition ImageCLEF 2012 Flickr Photo Annotation Task, the 2nd among the 28 visual submissions.
Finally, we have explored our BossaNova representation in the challenging real-world application of pornography detection.
Once again, the results validated the relevance of our approach compared to standard techniques on a real application.


Résumé : L-information visuelle, représentée sous la forme d-images ou de vidéos numériques, est devenue si omniprésente dans le monde numérique d-aujourd-hui, qu-elle ne peut plus être considérée comme un -citoyen de seconde zone-, par rapport à l-information textuelle.
Néanmoins, contrairement aux documents textuels, les images sont constituées de pixels ne portant pas d-information sémantique directement accessible, ajoutant ainsi une difficulté à la tâche d-interprétation.
Dans ce contexte, la classification d-images est devenue une tâche critique.
En particulier, l-identification automatique d-objets complexes et de concepts sémantiques dans les images, a suscité de nombreux travaux récents, aussi bien en Recherche d-Information, Vision par Ordinateur, Traitement d-Image qu-en Intelligence Artificielle.
Dans cette thèse, nous traitons le problème de la représentation des images.
Notre objectif est la détection de concepts à partir d-une analyse du contenu visuel des images et des vidéos.
Pour cela, nous introduisons une nouvelle représentation qui enrichit le modèle classique par sacs de mots visuels.
S-appuyant sur la quantification de descripteurs locaux, et l-agrégation de ces descripteurs quantifiés en un vecteur de caractéristique unique, le modèle par sacs de mots visuels a émergé comme l-approche la plus efficace pour la classification d-images.
Nous proposons BossaNova, une nouvelle représentation d-images permettant de conserver plus d-information lors de l-opération d-agrégation pooling en exploitant la distribution des distances entre les descripteurs locaux et les mots visuels.
L-évaluation expérimentale sur plusieurs bases de données de classification d-images, telles que ImageCLEF Photo Annotation, MIRFLICKR, PASCAL VOC et 15-Scenes, a montré l-intérêt de Bossanova vis-à-vis des techniques traditionnelles, même sans utiliser de combinaisons complexes de multiples descripteurs locaux.


fr it

Mots-clés : reconnaissance des formes classification d-image

keyword : pattern recognition image categorization





Author: Sandra Avila -

Source: https://hal.archives-ouvertes.fr/



DOWNLOAD PDF




Related documents