Adaptation de l'apprentissage symbolique automatique a la vision par ordinateur

Adaptation of machine learning to computer vision

• Auteur / Autrice : STEPHANE MOSCATELLI
• Direction : Yves Kodratoff
• Type : Thèse de doctorat
• Discipline(s) : Sciences appliquées
• Date : Soutenance en 1993
• Etablissement(s) : Paris 11

Résumé

Ce rapport est compose de trois parties independantes. Le premier chapitre presente un etat de l'art sur les recherches concernant l'apprentissage pour la vision en general. Il decrit ce qui distingue l'apprentissage symbolique automatique (asa) des autres approches d'apprentissage et il fournit une description critique de plusieurs systemes d'asa appliques a la vision. Le deuxieme chapitre porte sur l'apprentissage pour l'interpretation de scenes. Il decrit un algorithme d'interpretation par relaxation discrete et un systeme d'apprentissage qui inverse le processus d'interpretation de facon a retrouver les regles a partir d'exemples de scenes interpretees. Le troisieme chapitre aborde le probleme de l'apprentissage de modeles d'objets flexibles 2d par deux approches. La premiere approche se situe dans le cadre de l'apprentissage du modele general d'un objet en vue de le reconnaitre dans des images bruitees. La seconde approche introduit une mesure de distance fondee sur le principe de cout de codage minimum permettant de reconnaitre des objets articules dont les sous-parties peuvent etre transformees de facon affine. La methode qui est decrite se situe dans le cadre de l'apprentissage par cas