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
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