21.01.2015 Views

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

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

3.5. Schémas multi-classes de combinaison de classificateurs binaires 87<br />

de décompositions binaires) et de choisir la classe la plus cohérente <strong>par</strong> rapport à l’ensemble de<br />

ces prédictions. Le nombre maximum de lignes, sans classificateurs binaires redondants, dépend<br />

de la possibilité d’avoir ou non des valeurs nulles dans la matrice Ψ [DIETTE95, ALLWEI00].<br />

Si le type de matrice Ψ choisi permet des valeurs nulles, le nombre maximum de lignes (non<br />

redondantes) est borné <strong>par</strong> (3 nc − 1)/2. Dans le cas contraire, le nombre maximum de lignes est<br />

de (2 nc−1 − 1). La matrice 3.18 présente un code exhaustif sans valeurs nulles pour un problème<br />

à quatre classes.<br />

⎡<br />

⎤<br />

+1 −1 −1 −1<br />

−1 +1 −1 −1<br />

−1 −1 +1 −1<br />

Ψ =<br />

−1 −1 −1 +1<br />

(3.18)<br />

⎢ −1 −1 +1 +1<br />

⎥<br />

⎣ −1 +1 −1 +1 ⎦<br />

−1 +1 +1 −1<br />

Les décompositions précédentes sont donc des cas <strong>par</strong>ticuliers des décompositions de type<br />

ECOC.<br />

3.5.2 Schémas de décodage<br />

Il est possible de distinguer deux familles de principes de décodage (ou combinaison de<br />

classificateurs binaires). La première famille correspond à un décodage direct. Il détermine tout<br />

d’abord la sortie des k fonctions de décisions produites <strong>par</strong> la méthode de décomposition. A<br />

<strong>par</strong>tir de l’ensemble de ces prédictions, une valeur de confiance (ou probabilité) est déterminée<br />

pour chaque classe du problème initial (g : R k → R |Y| ) et la plus probable est choisie (h :<br />

R |Y| → Y). La seconde famille correspond à un décodage en cascade et à chaque niveau de ce<br />

processus de décodage un sous ensemble restreint de classes candidates est retenu (directement<br />

ou <strong>par</strong> élimination d’autres classes). A la dernière étape de ce processus, une seule classe est<br />

finalement retenue. Nous présentons les principaux schémas de décodage de la littérature.<br />

3.5.2.1 Décodage direct<br />

Dans un décodage direct, à <strong>par</strong>tir des sorties des k classificateurs binaires, on cherche tout<br />

d’abord à obtenir des confiances en l’ap<strong>par</strong>tenances aux différentes classes possibles (g : R k →<br />

R |Y| ) et la classe la plus probable est choisie (h : R |Y| → Y). La composition h ◦ g détermine<br />

alors le schéma de décodage. On trouve différents décodages directs suivant le schéma de<br />

décomposition<br />

➊ Décomposition un-contre-tous<br />

Pour la décomposition un-contre-tous, le calcul des confiances est direct et ne nécessite<br />

qu’une normalisation :<br />

p(ω = ω i |x) = D(ψ i, x)<br />

∑n c<br />

(3.19)<br />

D(ψ j , x)<br />

On a ensuite w(x) = arg max p(ω = ω i |x) soit h = arg max.<br />

ω i<br />

j=1

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!