Classification d'Images de Documents avec Retour de Pertinence : Application aux Documents de Type Ressources Humaines - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2011

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.
Fichier principal
Vignette du fichier
gretsifr9JUIN.pdf (312.89 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-00649869 , version 1 (09-12-2011)

Identifiants

  • HAL Id : hal-00649869 , version 1

Citer

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. ⟨hal-00649869⟩

Collections

CNRS
110 Consultations
382 Téléchargements

Partager

Gmail Facebook X LinkedIn More