Application des Champs Conditionnels Aléatoires à l'étiquetage de flux télévisuel

Emmanuelle Martienne (1) , Vincent Claveau (1) , Patrick Gros (1)

1 TEXMEX - Multimedia content-based indexing

Nous nous intéressons à la structuration de flux télévisuels et nous abordons plus particulièrement le problème de l'étiquetage : une fois les segments identifiés, il s'agit de leur attribuer à chacun le type correspondant à son contenu sémantique. Pour réaliser cette tâche, différentes techniques de classification et d'apprentissage ont été utilisées : Programmation Logique Inductive, Machines à Vecteurs de Support, Arbres de décision, etc. Dans cet article, nous proposons d'étiqueter les segments à l'aide des Champs Conditionnels Aléatoires, un outil efficace pour l'étiquetage de données séquentielles dans de nombreux domaines. Pour montrer l'intérêt de cette approche, nous présentons diverses expérimentations, réalisées sur des flux segmentés manuellement et automatiquement. Nous faisons également varier la granularité de l'étiquetage et les descripteurs caractérisant les segments. Les résultats obtenus montrent que notre approche est plus robuste que les autres méthodes de classification, en particulier grâce à la prise en compte du voisinage d'un segment dans la détermination de son type. De plus, nous mettons en évidence l'influence du type de segmentation et du choix des descripteurs des segments dans la qualité de l'étiquetage

Mots clés: Structuration de flux vidéo; Champs Conditionnels Aléatoires; Apprentissage automatique; Classification

Domaines: Intelligence artificielle [cs.AI]; Vision par ordinateur et reconnaissance de formes [cs.CV]

Emmanuelle Martienne, Vincent Claveau, Patrick Gros. Application des Champs Conditionnels Aléatoires à l'étiquetage de flux télévisuel. RFIA - Reconnaissance des Formes et Intelligence Artificielle, Jan 2012, Lyon, France. pp.978-2-9539515-2-3. ⟨hal-00656547⟩