Création et utilisation de vocabulaires visuels pour la catégorisation d'images et la segmentation de classes d'objets

Building and using visual vocabularies for image categorization and class level object segmentation

• Auteur / Autrice : Diane Larlus
• Direction : Frédéric Jurie
• Type : Thèse de doctorat
• Discipline(s) : Informatique et mathématiques
• Date : Soutenance en 2008
• Etablissement(s) : Grenoble INPG

Mots clés

Mots clés contrôlés

Apprentissage automatique

Reconnaissance des formes (informatique)

Résumé

Cette thèse s'intéresse à l'interprétation d'images fixes et en particulier à la reconnaissance de classes d'objets. Les différentes approches considérées sont toutes des variations du modèle par sac-de-mots, utilisant des représentations locales, quantifiées à l'aide d'un vocabulaire visuel. Nous nous intéresserons tout d'abord à l'étude de différentes méthodes de création du vocabulaire visuel et à l'évaluation de ces vocabulaires dans le contexte de la catégorisation d'images. Dans un deuxième temps, nous étudierons la segmentation de classes d'objets et verrons en particulier comment combiner les propriétés de régularisation très locales permises par un champ de Markov avec un modèle d'apparence basé sur des régions qui représentent chacune un objet et qui sont considérées comme des collections de mots visuels.

This thesis deals with the interpretation of static images, with a focus on recognising object categories. We consider several different approaches, which are all variations on the bag-of-words model, and all use local image descriptors. Local descriptors are quantised using a visual vocabulary. The first part of the thesis examines different methods for creating visual vocabularies. We aim to create vocabularies which perform well for image categorisation. The second part of the thesis deals with object category segmentation. In particular, we present a method which combines the low-level consistency properties of a Markov Random Field with an appearance model which provides higher-level constraints. The appearance model is based on regions which each represent a single object as a set of visual words.