1 - Détection robuste par modèle probabiliste d'apparence : une approche bayésienne

Show full item record

Files in this item

PDF Charbonnier.pdf 25.65Mb

Pour citer ce document :
URI: http://hdl.handle.net/2042/2221
Title: 1 - Détection robuste par modèle probabiliste d'apparence : une approche bayésienne
Author: DAHYOT (Rozenn); CHARBONNIER (Pierre); HEITZ (Fabrice)
Abstract: Dans cet article, nous nous intéressons à la détection d'objets dans des scènes complexes, par des méthodes basées sur des modèles statistiques d'apparence globale. L'approche proposée associe, dans un cadre bayésien, une représentation standard des images d'apprentissage par espace propre à des modèles de bruit et à des modèles a priori non gaussiens. Ce modèle permet d'unifier les méthodes de détection classiques rencontrées dans la littérature et conduit, de façon naturelle, à la définition d'une nouvelle classe de détecteurs statistiques, intégrant des modèles de distribution quelconque pour les images d'apprentissage. La comparaison des caractéristiques opérationnelles des récepteurs (courbes COR) sur des bases de données communes, illustre les contributions de l'approche bayésienne. Elle montre également que l'adoption de modèles non gaussiens permet de dépasser significativement les performances des algorithmes faisant actuellement référence dans le domaine [2, 14].
Description: In this paper, methods are proposed to detect objects in complex scenes using statistical global appearance based models. In our approach, the standard eigenspace representation of a training image database and a priori non- Gaussian hypotheses are brought together in a Bayesian framework. This work unifies standard (appearancebased) detection methods already proposed in the literature and leads naturally to the definition of a new family of probabilistic detectors. It allows the use of more general a priori assumptions about the distribution on the eigenspace and its orthogonal. Experimental results are illustrated with ROC (Receiver Operating Characteristic) curves and show the major improvement of our Bayesian approach in comparison to the standard methods that have been the reference up to now [2, 14].
Subject: Détection signal; Détection objet; Détection Bayes; Modèle probabiliste; Représentation image; Analyse composante principale; Algorithme; Espace propre; Modèle non gaussien
Publisher: GRETSI, Saint Martin d'Hères, France
Date: 2003

This item appears in the following Collection(s)

Show full item record





Advanced Search