Autoencodeurs discriminants pour la détection de cibles faiblement résolues - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2014

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.
Fichier principal
Vignette du fichier
rfia2014_submission_130.pdf (333.93 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte
Loading...

Dates et versions

hal-00988586 , version 1 (08-05-2014)

Identifiants

  • HAL Id : hal-00988586 , version 1

Citer

Sébastien Razakarivony, Frédéric Jurie. Autoencodeurs discriminants pour la détection de cibles faiblement résolues. Reconnaissance de formes et intelligence artificielle (RFIA) 2014, Jun 2014, France. ⟨hal-00988586⟩
127 Consultations
395 Téléchargements

Partager

Gmail Facebook X LinkedIn More