Apprentissage hiérarchique simultané pour la détection efficace d'objets - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2014

Apprentissage hiérarchique simultané pour la détection efficace d'objets

Antoine Vacavant
Thierry Chateau

Résumé

Dans cet article, nous présentons une nouvelle approche de détection multi-classes basée sur un parcours hiérarchique de classifieurs appris simultanément. Pour plus de robustesse et de rapidité, nous proposons d'utiliser un arbre de classes d'objets. Notre modèle de détection est appris en combinant les contraintes de tri et de classification dans un seul problème d'optimisation. Notre formulation convexe permet d'utiliser un algorithme de recherche pour accélérer le temps d'exécution. Nous avons mené des évaluations de notre algorithme sur les benchmarks PASCAL VOC (2007 et 2010). Comparé à l'approche un contre-tous, notre méthode améliore les performances pour 20 classes et gagne 10x en vitesse.
Fichier principal
Vignette du fichier
rfia2014_submission_103.pdf (486.67 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte
Loading...

Dates et versions

hal-00989018 , version 1 (09-05-2014)

Identifiants

  • HAL Id : hal-00989018 , version 1

Citer

Hamidreza Odabai Fard, Mohamed Chaouch, Quoc-Cuong Pham, Antoine Vacavant, Thierry Chateau. Apprentissage hiérarchique simultané pour la détection efficace d'objets. Reconnaissance de Formes et Intelligence Artificielle (RFIA) 2014, Jun 2014, France. ⟨hal-00989018⟩
244 Consultations
186 Téléchargements

Partager

Gmail Facebook X LinkedIn More