MoViStaR
Modèles visuels et statistiques pour la reconnaissance de classes d’images : adaptation des techniques de description et d’apprentissage pour le traitement de grandes bases d’images
Description du projet
Ce projet concerne la reconnaissance d’objets et de classes d’images dans des grandes bases de données d’images, par exemple un lieu, un visage, un environnement urbain. Il a pour ambition de contribuer à se rapprocher des performances des systèmes visuels humains, à savoir la reconnaissance d’une centaine de milliers de classes d’images. Pour ce faire, nous proposons de coupler des outils statistiques récents, d’analyse de données et d’estimation de lois statistiques telles que les mélanges de distributions, avec les derniers développements de la vision par ordinateur sur les descripteurs locaux invariants et robustes. Plus encore il y aura à imaginer comment le rapprochement de ces deux familles d’outils permettra de prendre en compte la structure géométrique ou statistique entre descripteurs.
Les deux défis que nous
aurons à relever sont : d’une part la complexité dans la quantité et la
nature des données et ce à travers l’adaptation de techniques existantes et
l’émergence de nouveaux outils ; d’autre part la nécessité impérieuse de développer
des outils d’apprentissage le moins supervisés possible, car devant une telle
tâche l’intervention manuelle est impensable sur ces masses de données.
Coordinateur du projet
SCHMID Cordelia - Projet Movi, Laboratoire GRAVIR – IMAG,UMR
5527 CNRS, INRIA,
Partenaires
§
Projet IS2 (Inférence
Statistique pour l’Industrie et la Santé), INRIA Rhône-Alpes
§ Équipe SMS (Statistique et Modélisation Stochastique), Laboratoire LMC-IMAG, UMR 5523 CNRS, Grenoble 1, INP Grenoble
§ Heudiasyc, UMR 6599 CNRS, UTC Compiègne