Classification d'Images de Documents avec Retour de Pertinence : Application aux Documents de Type Ressources Humaines

Résumé : Cet article aborde le problème de classification d'images de documents dans un contexte industriel où le nombre de documents est élevé et le nombre de classes n'est pas connu a priori. La méthodologie présentée est la suivante. Dans un premier temps le nombre de classes de documents est estimé. Ensuite un partitionnement de l'ensemble des documents est créé. Le centre de chacun des regroupements est extrait et servira d' image de référence, c'est à dire d'image requête pour effectuer un tri par similarité de style CBIR ("Content Based Image Retrieval"). Les premiers tests ont montré qu'en moyenne, les bases d'images de documents sont labellisées 3 fois plus rapidement avec notre système d'aide à la classification qu'avec une classification manuelle standard.
Type de document :
Communication dans un congrès
GRETSI, Sep 2011, Bordeaux, France. pp.1, 2011
Liste complète des métadonnées


https://hal.archives-ouvertes.fr/hal-00649869
Contributeur : Olivier Augereau <>
Soumis le : vendredi 9 décembre 2011 - 09:28:53
Dernière modification le : vendredi 9 décembre 2011 - 10:05:16
Document(s) archivé(s) le : samedi 10 mars 2012 - 02:21:00

Fichier

gretsifr9JUIN.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00649869, version 1

Collections

Citation

Olivier Augereau, Nicholas Journet, Domenger Jean Philippe. Classification d'Images de Documents avec Retour de Pertinence : Application aux Documents de Type Ressources Humaines. GRETSI, Sep 2011, Bordeaux, France. pp.1, 2011. <hal-00649869>

Partager

Métriques

Consultations de
la notice

136

Téléchargements du document

373