traitement d'images par modèles discrets sur ... - Olivier Lezoray
traitement d'images par modèles discrets sur ... - Olivier Lezoray
traitement d'images par modèles discrets sur ... - Olivier Lezoray
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
4.2. Perspectives et Projets 99<br />
capacités de généralisation et complexité. Nous avons montré ensuite qu’il est possible d’optimiser<br />
ce critère à <strong>par</strong>tir d’une recherche avec tabous qui réalise une sélection multi-modèle<br />
comprenant la sélection des exemples pertinents, la sélection des attributs pertinents et la sélection<br />
des hyper-<strong>par</strong>amètres optimaux. L’ensemble de cette approche permet de définir un système<br />
d’apprentissage dont les processus décisionnels sont performants et de complexités réduites.<br />
Section 3.5. Dans cette section, nous avons présenté nos contributions à la conception de<br />
schémas de décodage dans le cadre d’un schéma multi-classes de combinaison de classificateurs<br />
binaires. Des décodages direct, en cascade ou hybrides sont présentés. Ils tentent de prendre en<br />
compte, à différents niveaux, la notion de classificateur non pertinent. Finalement, nous montrons<br />
que les méthodes de sélection de <strong>modèles</strong> communément utilisées pour l’optimisation des<br />
performances de schémas de décomposition ne sont pas optimales. En effet, une sélection de<br />
modèle globale est plus efficace qu’un ensemble de sélections de <strong>modèles</strong> indépendantes et cet<br />
effet s’accroît lorsque le nombre de classes à discriminer augmente.<br />
4.2 Perspectives et Projets<br />
L’ensemble des activités de recherche que j’ai présentées suscite un certain nombre de perspectives<br />
intéressantes. Nous avons déjà indiqué quelques pistes <strong>sur</strong> la manière dont ses perspectives<br />
peuvent être étudiées tant d’un point de vue théorique que pratique. Dans la suite, nous<br />
mettons en valeur quelques unes de ces pistes. La figure 4.1 présente un schéma des notions<br />
intervenant dans ces perspectives.<br />
Apprentissage<br />
Multi-classes<br />
Méta-heuristiques<br />
Sélection de modèle<br />
Images<br />
Filtrage<br />
Simplification<br />
Catégorisation<br />
Classification<br />
Fouille<br />
Données<br />
Chemin Hamiltonien<br />
Réduction de dimension<br />
Morphologie Mathématique<br />
Graphes<br />
Régularisation non locale<br />
Hiérarchies<br />
Coarse Graining<br />
Pyramides régulières<br />
FIG. 4.1 – Schéma des notions intervenant dans les perspectives.