Détection de personnes par apprentissage de descripteurs hétérogènes sous des considérations CPU - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2014

Détection de personnes par apprentissage de descripteurs hétérogènes sous des considérations CPU

Résumé

Cet article présente un nouveau détecteur de personnes utilisant une sélection de descripteurs par optimisation discrète type branch and bound. Plus précisément, nous utilisons une programmation binaire pour sélectionner un sous-ensemble de descripteurs hétérogènes qui optimisent conjointement les performances en détection et le coût CPU. La mise en oeuvre de ce détecteur puis son évaluation sur des bases publiques montre clairement que cette reformalisation offre un bon compromis entre taux de faux négatifs et temps de calcul comparativement aux détecteurs existants de la littérature.
Fichier principal
Vignette du fichier
rfia2014_submission_35.pdf (762.19 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte
Loading...

Dates et versions

hal-00989047 , version 1 (09-05-2014)

Identifiants

  • HAL Id : hal-00989047 , version 1

Citer

Alhayat Ali Mekonnen, Frédéric Lerasle, Ariane Herbulot, Cyril Briand. Détection de personnes par apprentissage de descripteurs hétérogènes sous des considérations CPU. Reconnaissance de Formes et Intelligence Artificielle (RFIA) 2014, Jun 2014, Rouen, France. 7p. ⟨hal-00989047⟩
189 Consultations
1148 Téléchargements

Partager

Gmail Facebook X LinkedIn More