Méthodes de reconnaissance de formes basées sur la carte de dissimilarité locale pour la classification des images
Résumé
La carte de dissimilarité locale (CDL) est une mesure pour comparer localement deux images binaires ou en niveaux de gris. Ce travail présente une adaptation de la CDL comme mesure de similarité pour la reconnaissance de formes. Dans le cadre d'un problème de classification, des expériences sur la base de chiffres manuscrits MNIST ont été réalisées. La comparaison entre les performances d'un réseau de neurones artificiels (ANN), les k-plus proches voisins (kNN) basés sur la CDL (ANN-CDL, kNN-CDL), la distance euclidienne (ANN-Euclidienne, kNN-Euclidienne) et la similarité structurale moyenne (ANN-MSSIM, kNN-MSSIM) permet de mettre en évidence les bonnes capacités discriminatives de la CDL. L'apprentissage de ANN et kNN par des bases de données de volumes différents a montré que les méthodes ANN-CDL et kNN-CDL convergent plus rapidement par rapport aux autres méthodes. Une précision de 97,6% a été obtenue par la méthode ANN-CDL.
Origine | Fichiers produits par l'(les) auteur(s) |
---|