3DRESC-TF : Apprentissage par transfert pour la réutilisation de connaissances en classification d'objets 3D - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2017

3DRESC-TF : Apprentissage par transfert pour la réutilisation de connaissances en classification d'objets 3D

Résumé

Dans cet article, nous proposons une amélioration basée sur du transfert de connaissances d'un algorithme de classification d'objets 3D existant, afin de pouvoir faire face aux manques de données, problème fréquent en apprentis-sage. L'idée maitresse réside dans le fait de transférer directe-ment les sous-parties constructrices d'attributs d'un do-maine vers un autre, afin de conserver les avantages d'in-terprétabilité et de souplesse de la méthode d'origine. Mots Clefs Classification supervisée, objets 3D, apprentissage par transfert, sélection d'attributs. Abstract In this article, we propose an improvement of an algorithm dealing with classification of 3D objects, using transfer learning, in order to face the lack of data, a frequent problem in learning systems. The main idea is to directly transfer some sub-partswhich are attributes builder from one domain to another in order to keep the advantages of interpretability and flexibility of the original method.
Fichier principal
Vignette du fichier
APIA_2017_paper_5.pdf (1.69 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01561517 , version 1 (12-07-2017)

Identifiants

  • HAL Id : hal-01561517 , version 1

Citer

François Meunier, Christophe Marsala, Laurent Castanié. 3DRESC-TF : Apprentissage par transfert pour la réutilisation de connaissances en classification d'objets 3D. Conférence Nationale sur les Applications Pratiques de l’Intelligence Artificielle, Jul 2017, Caen, France. ⟨hal-01561517⟩
160 Consultations
768 Téléchargements

Partager

Gmail Facebook X LinkedIn More