Propriétés émergentes du multi-clustering bayésien non paramétrique: Application aux données images multivues - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Propriétés émergentes du multi-clustering bayésien non paramétrique: Application aux données images multivues

Résumé

Ce papier a déjà été publié dans [16]. Dans cet article, nous avons développé un nouveau framework qui traite le problème de clustering d'images multivues collectées dans un magasin intelligent. Le framework combine les transformers pré-entrainés avec un nouveau modèle de multiclustering bayésien non paramétrique. Dans ce travail, nous proposons une approche MCMC afin d'inférer la partition colonne et les partitions lignes. Notre modèle infère de multiples partitions et permet d'estimer automatiquement le nombre de clusters. Notre méthode fournit des blocs homogènes sur un jeu de données d'images multivues. Elle souligne d'une part la puissance des vision transformers pré-entrainés combinés au multi-clustering et d'autre part l'utilité de la modélisation bayésienne non paramétrique qui automatise l'estimation du nombre de clusters. Le code source du framework complet est disponible dans ce lien github : https://github.com/ unsupervise/acomi
Fichier principal
Vignette du fichier
SFC.pdf (1.32 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04457655 , version 1 (14-02-2024)

Identifiants

  • HAL Id : hal-04457655 , version 1

Citer

Reda Khoufache, Mohamed Djallel Dilmi, Hanene Azzag, Etienne Goffinet, Mustapha Lebbah. Propriétés émergentes du multi-clustering bayésien non paramétrique: Application aux données images multivues. SFC'2023 Rencontres de la Société Francophone de Classification, Jul 2023, Strasbourg, France. ⟨hal-04457655⟩
6 Consultations
4 Téléchargements

Partager

Gmail Facebook X LinkedIn More