Université de Liège Réseau des Bibliothèques

BICTEL/e - ULg
Serveur institutionnel des thèses de doctorat



Nouvelles thèses
dans BICTEL/e - ULg
  • Brabant, Christian - Etude du rôle des mécanismes d’apprentissage dans le développement des effets renforçants de la cocaïne chez l’animal : implication des récepteurs histaminergiques H3
  • Boukary, Abdou Razac - Epidémiologie de la brucellose et de la tuberculose animales dans les milieux urbain, périurbain et rural au Niger
  • Bouabidi, Abderrahim - Etude Critique des Différentes Approches de Validation des Méthodes Analytiques
Présentation Recherche thèse Dépôt thèse Accès
gestionnaires
 
Page de résumé pour ULgetd-10102008-224816

Auteur : Scalzo, Fabien
URN : ULgetd-10102008-224816
Langue : Anglais/English
Titre : Learning Visual Feature Hierarchies
Intitulé du diplôme : Doctorat en sciences (orientation informatique)
Département : FSA - Département d'électricité, électronique et informatique
Jury :
Nom : Titre :
GEURTS, Pierre Membre du jury/Committee Member
KRUGER, Norbert Membre du jury/Committee Member
TRIESCH, Jochen Membre du jury/Committee Member
WEHENKEL, Louis Membre du jury/Committee Member
VERLY, Jacques Président du jury/Committee Chair
PIATER, Justus Promoteur/Director
Mots-clés :
  • structural learning
  • learning
  • pattern recognition
  • visual feature representation
  • object recognition
  • computer vision
Date de soutenance : 2007-12-04
Type d'accès : Public/Internet
Résumé :

Cette thèse porte sur la reconnaissance visuelle d'objets, un

domaine qui reste un défi majeur en vision par ordinateur. En

effet, malgré plus de vingt années de recherche, de nombreuses

facettes du problème restent a ce jour irrésolues. La

conception d'un système de reconnaissance d'objets repose

essentiellement sur trois aspects: la représentation, la détection

et l'apprentissage automatique.

La principale contribution de cette thèse est de proposer un

système générique pour la représentation statistique des

caractéristiques visuelles et leur détection dans les images. Le

modèle proposé combine différents concepts récemment

proposés en vision par ordinateur, machine learning et

neurosciences: a savoir les relations spatiales entre des caractéristiques

visuelles, les modèles graphiques ainsi que les hiérarchies de

cellules complexes. Le résultat de cette association prend la forme

d'une hiérarchie de classes de caractéristiques visuelles. Son

principal intérêt est de fournir un modèle représentant, à la

fois, les aspects visuels locaux et globaux, en utilisant la structure

géométrique et l'apparence des objets. L'exploitation des

modèles graphiques offre un cadre probabiliste pour la

représentation des hiérarchies et leur utilisation pour

l'inférence. Un algorithme d'échange de messages récemment

proposé (NBP) est utilisé pour inférer la position des

caractéristiques dans les images.

Lors de l'apprentissage, les hiérarchies sont construites de

manière incrémentale en partant des caractéristiques de

bas-niveaux. L'algorithme est basé sur l'analyse des

co-occurrences. Il permet d'estimer la structure et les paramètres

des hiérarchies.

Les performances offertes par ce nouveau système sont évaluées

sur différentes bases de données d'objets de difficulté

croissante. Par ailleurs, un survol de l'état de l'art concernant

les méthodes de reconnaissances d'objets et les détecteurs de

caractéristiques offre une vue globale du domaine.

Autre version : http://www.montefiore.ulg.ac.be/~scalzo/phd.pdf
Fichiers :
Nom du fichier Taille Temps de chargement évalué (HH:MI:SS)
Modem 56K ADSL
[Public/Internet] TheseScalzo.pdf 77.65 Mb 03:04:53 00:06:54

Bien que le maximum ait été fait pour que les droits des ayants-droits soient respectés, si un de ceux-ci constatait qu'une oeuvre sur laquelle il a des droits a été utilisée dans BICTEL/e ULg sans son autorisation explicite, il est invité à prendre contact le plus rapidement possible avec la Direction du Réseau des Bibliothèques.


Parcourir BICTEL/e par Auteur|Département | Rechercher dans BICTEL/e


© Réseau des Bibliothèques de l'ULg, Grande traverse, 12 B37 4000 LIEGE