Michaud Dorian
Indexation bio-inspirée pour la recherche d'images par similarité
frDépôt légal électroniqueConsulter le texte intégral de la thèse (format PDF)
Index
École doctorale :
UFR ou institut :
Secteur de recherche :
Section CNU :
Résumé
Français
Indexation bio-inspirée pour la recherche d'images par similarité
La recherche d'images basée sur le contenu visuel est un domaine très actif de la vision par ordinateur, car le nombre de bases d'images disponibles ne cesse d'augmenter. L’objectif de ce type d’approche est de retourner les images les plus proches d'une requête donnée en terme de contenu visuel. Notre travail s'inscrit dans un contexte applicatif spécifique qui consiste à indexer des petites bases d'images expertes sur lesquelles nous n'avons aucune connaissance a priori. L’une de nos contributions pour palier ce problème consiste à choisir un ensemble de descripteurs visuels et de les placer en compétition directe. Nous utilisons deux stratégies pour combiner ces caractéristiques : la première, est pyschovisuelle, et la seconde, est statistique. Dans ce contexte, nous proposons une approche adaptative non supervisée, basée sur les sacs de mots et phrases visuels, dont le principe est de sélectionner les caractéristiques pertinentes pour chaque point d'intérêt dans le but de renforcer la représentation de l'image. Les tests effectués montrent l'intérêt d'utiliser ce type de méthodes malgré la domination des méthodes basées réseaux de neurones convolutifs dans la littérature. Nous proposons également une étude, ainsi que les résultats de nos premiers tests concernant le renforcement de la recherche en utilisant des méthodes semi-interactives basées sur l’expertise de l'utilisateur.
Mots-clés libres : Recherche d'Images Basée Contenu Visuel, Sacs de Mots Visuels, Sacs de Phrases Visuelles, Indexation, Bases Expertes, Approches Semi Interactive..
- Recherche d'images par le contenu
- Algorithmes bio-inspirés (intelligence artificielle)
- Vision par ordinateur
- Apprentissage profond
English
Bio-inspired Indexing for Content-Based Image Retrieval
Image Retrieval is still a very active field of image processing as the number of available image datasets continuously increases. One of the principal objectives of Content-Based Image Retrieval (CBIR) is to return the most similar images to a given query with respect to their visual content. Our work fits in a very specific application context: indexing small expert image datasets, with no prior knowledge on the images. Because of the image complexity, one of our contributions is the choice of effective descriptors from literature placed in direct competition. Two strategies are used to combine features: a psycho-visual one and a statistical one. In this context, we propose an unsupervised and adaptive framework based on the well-known bags of visual words and phrases models that select relevant visual descriptors for each keypoint to construct a more discriminative image representation. Experiments show the interest of using this this type of methodologies during a time when convolutional neural networks are ubiquitous. We also propose a study about semi interactive retrieval to improve the accuracy of CBIR systems by using the knowledge of the expert users.
Keywords : Content Based Image Retrieval, Bag of Visual Words, Bag of Visual Phrases, Indexing, Expert Datasets, Semi Interactive Retrieval.
Notice
- Diplôme :
- Doctorat d'Université
- Établissement de soutenance :
- Université de Poitiers
- UFR, institut ou école :
- UFR des sciences fondamentales et appliquées (SFA)
- Laboratoire :
- XLIM
- Domaine de recherche :
- Traitement du signal, informatique et applications
- Directeur(s) de thèse :
- Philippe Carré, Thierry Urruty
- Date de soutenance :
- 16 octobre 2018
- Président du jury :
- Patrick Lambert
- Rapporteurs :
- Georges Quénot, Jean Martinet
- Membres du jury :
- Philippe Carré, Thierry Urruty, François Lecellier
Menu :
-
-
À propos d'UPthèses
-
Voir aussi
Annexe :
-
Une question ?
Avec le service Ubib.fr, posez votre question par chat à un bibliothécaire dans la fenêtre ci-dessous.
Université de Poitiers - 15, rue de l'Hôtel Dieu - 86034 POITIERS Cedex - France - Tél : (33) (0)5 49 45 30 00 - Fax : (33) (0)5 49 45 30 50
these@support.univ-poitiers.fr -
Crédits et mentions légales