Réflexions sur l'évaluation supervisée de la qualité d'un arbre binaire de partitions d'image - Laboratoire d'Informatique PAris DEscartes - EA 2517 Accéder directement au contenu
Communication Dans Un Congrès Année : 2017

Réflexions sur l'évaluation supervisée de la qualité d'un arbre binaire de partitions d'image

Résumé

L'arbre binaire de partitions (Binary Partition Tree – BPT) est une structure de données représentant hiérarchiquement le contenu d'une image. Une coupe effectuée sur un BPT permet d'obtenir une partition / segmentation à un niveau d'échelle donné, pouvant ensuite être utilisée dans un processus d'analyse d'image. Suivant les critères considérés pour construire ces arbres, une multitude de BPTs différents peuvent être obtenus à partir d'une même image. Dans la littérature, beaucoup de travaux proposent des critères pour la création de BPTs et des stratégies de coupes, mais peu s'intéressent à l'évaluation de la qualité de l'arbre, c'est-à-dire sa capacité à fournir une bonne segmentation. Dans le cadre de ces travaux, nous souhaitons évaluer la qualité d'un BPT en nous appuyant sur des méthodes supervisées, reposant sur des régions d'intérêt de référence, délimitées au sein de l'image par un expert. Suivant la dimension de l'image étudiée et la façon dont le BPT a été construit, le nombre de noeuds peut être très élevé, rendant cette évaluation complexe. Nous présentons ici une réflexion sur une méthode d'évaluation de la qualité d'un BPT par rapport à un groupe de segments de référence, via une recherche hiérarchique de ces segments dans l'arbre et une quantification du taux de présence de ces derniers dans le BPT.
Fichier principal
Vignette du fichier
Randrianasoa_FDC-EGC_2017.pdf (789.8 Ko) Télécharger le fichier
Loading...

Dates et versions

hal-01694887 , version 1 (18-02-2018)

Identifiants

  • HAL Id : hal-01694887 , version 1

Citer

Jimmy Francky Randrianasoa, Camille Kurtz, Eric Desjardin, Nicolas Passat. Réflexions sur l'évaluation supervisée de la qualité d'un arbre binaire de partitions d'image. Extraction et Gestion des Connaissances - Atelier Fouille de Données Complexes (FDC@EGC), 2017, Grenoble, France. ⟨hal-01694887⟩
76 Consultations
36 Téléchargements

Partager

Gmail Facebook X LinkedIn More