Skip to Main content Skip to Navigation
Conference papers

Apprentissage hiérarchique simultané pour la détection efficace d'objets

Résumé : Dans cet article, nous présentons une nouvelle approche de détection multi-classes basée sur un parcours hiérarchique de classifieurs appris simultanément. Pour plus de robustesse et de rapidité, nous proposons d'utiliser un arbre de classes d'objets. Notre modèle de détection est appris en combinant les contraintes de tri et de classification dans un seul problème d'optimisation. Notre formulation convexe permet d'utiliser un algorithme de recherche pour accélérer le temps d'exécution. Nous avons mené des évaluations de notre algorithme sur les benchmarks PASCAL VOC (2007 et 2010). Comparé à l'approche un contre-tous, notre méthode améliore les performances pour 20 classes et gagne 10x en vitesse.
Document type :
Conference papers
Complete list of metadatas

Cited literature [15 references]  Display  Hide  Download

https://hal.archives-ouvertes.fr/hal-00989018
Contributor : Sébastien Adam <>
Submitted on : Friday, May 9, 2014 - 3:18:45 PM
Last modification on : Monday, February 10, 2020 - 6:13:47 PM
Document(s) archivé(s) le : Monday, August 11, 2014 - 3:10:44 PM

File

rfia2014_submission_103.pdf
Publisher files allowed on an open archive

Identifiers

  • HAL Id : hal-00989018, version 1

Citation

Hamidreza Odabai Fard, Mohamed Chaouch, Quoc-Cuong Pham, Antoine Vacavant, Thierry Chateau. Apprentissage hiérarchique simultané pour la détection efficace d'objets. Reconnaissance de Formes et Intelligence Artificielle (RFIA) 2014, Jun 2014, France. ⟨hal-00989018⟩

Share

Metrics

Record views

519

Files downloads

228