KGIC : Intégration de graphe de connaissances pour la classification d'images - Archive ouverte HAL Access content directly
Conference Papers Year : 2023

KGIC : Intégration de graphe de connaissances pour la classification d'images

Abstract

Nous présentons une méthode d’apprentissage profond pour la classification supervisée d’images, intégrant des connaissances sous forme de graphe. A ces fins, nous introduisons une fonction de coût combinant à la fois une me- sure traditionnellement utilisée en apprentissage profond (entropie croisée) et une mesure originale qui prend en compte la représentation des nœuds après plongement du graphe de connaissances. Les connaissances ne sont utilisées que pendant la phase d’apprentissage et ne sont pas nécessaires pour l’évaluation d’un exemple en mode test. Les expérimentations sur plusieurs bases d’images démontrent l’amélioration en performances de notre méthode par rapport à l’état de l’art : d’une part en comparaison avec des algorithmes classiques d’apprentissage profond et d’autre part avec un algorithme très récent basé aussi sur la connaissance issue d’un graphe.
No file

Dates and versions

hal-03872184 , version 1 (25-11-2022)

Identifiers

  • HAL Id : hal-03872184 , version 1

Cite

Franck Anaël Mbiaya, Christel Vrain, Frédéric Ros, Thi-Bich-Hanh Dao, Yves Lucas. KGIC : Intégration de graphe de connaissances pour la classification d'images. Extraction et Gestion des Connaissances, Jan 2023, Lyon, France. pp.259-272. ⟨hal-03872184⟩
79 View
0 Download

Share

Gmail Facebook X LinkedIn More