Classification et sélection de caractéristiques de textures. Utilisation d'algorithmes automatiques supervisés de sélection d'attributs pour la classification d'images
Les experts en classification d'images utilisent des caractéristiques variées pour représenter les textures. Nous proposons de choisir les plus pertinentes à l'aide d'une procédure automatique de sélection de caractéristiques. Nous comparons pour cela l'efficacité de plusieurs algorithmes de sélection récents. L'ensemble des algorithmes est évalué à l'aide de critères heuristiques ainsi que de performances de classification. Nous démontrons l'intérêt d'une telle procédure de sélection à partir d'images de Brodatz et d'images satellitaires.
Image's experts use different kind of attributes to represent texture information. We propose a methodology to automatically choose the best texture models using a feature selection algorithm. Therefore we compare the efficiency of several recent algorithms. The algorithms evaluation is performed using classification error rates and heuristics. We demonstrate the interest of such a methodology on Brodatz and satellite images.
M.CAMPEDEL, E.MOULINES
Sélection de caractéristiques, classification, apprentissage supervisé, machine à vecteurs de support, texture, pertinence.
Feature selection, classification, supervised learning, support vector machines, texture, relevance.
Français
|
