Autoencodeurs discriminants pour la détection de cibles faiblement résolues
Résumé
Les autoencodeurs permettent de modéliser des données au moyen de variétés. Dans un contexte de détection d'objets, ils modélisent l'apparence des objets à détecter. La distance entre un vecteur à classer et la variété peut alors être utilisée comme une mesure de probabilité d'appartenance du vecteur à la classe. Cependant, si la variété ainsi construite est telle que les vecteurs de la classe appartiennent à la variété, rien ne garantit que des vecteurs d'autres classes ne lui appartiennent pas également. Nous cherchons à lever cette limitation en proposant un nouveau type d'autoencodeurs, les autoencodeurs discriminants, qui ont la propriété de construire des variétés éloignant les formes négatives des positives. Une validation expérimentale dans un contexte de détection d'objets permet de conclure sur la pertinence de la méthode proposée.
Origine : Fichiers éditeurs autorisés sur une archive ouverte
Loading...