Méthodes d'apprentissage sémantiques: application à la recherche d'images.
Abstract
Appliquée à la gestion des base d'images, l'analyse automatique a encore des difficultés à représenter les concepts abstraits que les utilisateurs recherchent. Bien que les stratégies de recherche interactives améliorent les résultats de la recherche, les performances d'un système dépendent toujours de la représentation de la base. Nous proposons dans ce papier deux méthodes d'optimisation supervisée d'un ensemble de vecteurs -- l'une vectorielle, et l'autre basée sur la théorie des noyaux. A partir d'un ensemble incomplet d'annotations partielles, ces méthodes améliorent la representation des données, même si la taille, le nombre, et la structure des concepts sont inconnus. Afin de valider ces approches, une étude expérimentale est menée sur une grande base d'images.
Domains
Machine Learning [stat.ML]
Origin : Publisher files allowed on an open archive