Skip to Main content Skip to Navigation
Conference papers

Apprentissage actif et utilisation de la structure a priori des données : application à une base d'images satellite haute résolution

Résumé : Dans cet article, nous proposons une nouvelle méthode d?apprentissage actif sur des bases d?images satellites permettant d?incorporer l?information a priori contenue dans les données ("donnée" fait référence ici aux paramètres de texture, couleur, forme... extraits des images). Plus précisément, nous utilisons la connaissance d?une distribution a priori sur les données, dans notre cas un mélange de Gaussiennes, pour guider l?apprentissage d?un classifieur SVM. Un algorithme d?apprentissage actif qui reprend cette idée est d?abord décrit. Les performances de l?algorithme ainsi obtenu sont ensuite comparées en terme de vitesse d?apprentissage et de capacité à gérer de gros volumes de données à une approche classique utilisant un classifieur SVM qui n?exploite pas la structure a priori des données. Les tests sont réalisés sur une base d?images satellites haute résolution QuickBird.
Document type :
Conference papers
Complete list of metadatas

https://hal.archives-ouvertes.fr/hal-01126012
Contributor : Laboratoire Cedric <>
Submitted on : Friday, March 6, 2015 - 11:36:33 AM
Last modification on : Thursday, February 6, 2020 - 2:16:06 PM

Identifiers

  • HAL Id : hal-01126012, version 1

Collections

Citation

Pierre Blanchart, Mihai Datcu, Marin Ferecatu. Apprentissage actif et utilisation de la structure a priori des données : application à une base d'images satellite haute résolution. Reconnaissance des Formes et Intelligence Artificielle (RFIA 2010), Jan 2010, Caen, France. ⟨hal-01126012⟩

Share

Metrics

Record views

45