Thèse soutenue

Gestion des imperfections pour l’annotation multimodale d’images
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Amel Znaidia
Direction : Nikos Paragios
Type : Thèse de doctorat
Discipline(s) : Computer science
Date : Soutenance le 11/02/2014
Etablissement(s) : Châtenay-Malabry, Ecole centrale de Paris
Ecole(s) doctorale(s) : École doctorale Sciences pour l'Ingénieur (Châtenay-Malabry, Hauts de Seine)
Partenaire(s) de recherche : Laboratoire : Centre de vision numérique / CVN
Jury : Président / Présidente : Henri Maître
Examinateurs / Examinatrices : Nikos Paragios, Bernard Merialdo, Stéphane Marchand-Maillet, Patrick Lambert, Stéphane Ayache, Matthieu Cord, Céline Hudelot, Hervé Le Borgne
Rapporteurs / Rapporteuses : Bernard Merialdo, Stéphane Marchand-Maillet

Mots clés

FR  |  
EN

Résumé

FR  |  
EN

La présente thèse s’intéresse à l’annotation multimodale d’images dans le contexte des médias sociaux. Notre objectif est de combiner les modalités visuelles et textuelles (tags) afin d’améliorer les performances d’annotation d’images. Cependant, ces tags sont généralement issus d’une indexation personnelle, fournissant une information imparfaite et partiellement pertinente pour un objectif de description du contenu sémantique de l’image. En outre, en combinant les scores de prédiction de différents classifieurs appris sur les différentes modalités, l’annotation multimodale d’image fait face à leurs imperfections: l’incertitude, l’imprécision et l’incomplétude. Dans cette thèse, nous considérons que l’annotation multimodale d’image est soumise à ces imperfections à deux niveaux : niveau représentation et niveau décision. Inspiré de la théorie de fusion de l’information, nous concentrons nos efforts dans cette thèse sur la définition, l’identification et la prise en compte de ces aspects d’imperfections afin d’améliorer l’annotation d’images.