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.
3.5. Schémas multi-classes de combinaison de classificateurs binaires 89<br />
➌ Décomposition ECOC<br />
La décomposition ECOC produit une matrice Ψ de k lignes et pour chaque ligne une fonction<br />
de décision est produite. Si l’on considère le vecteur des sorties des k classificateurs D(x) =<br />
(D(ψ 1 , x), · · · , D(ψ k , x)) T , la classe la plus probable est celle dont la colonne Ψ i de la matrice<br />
Ψ se rapproche le plus du vecteur D(x). Le principe de décodage basé <strong>sur</strong> les codes correcteurs<br />
correspond à choisir pour un exemple x, la classe ω i la plus proche <strong>par</strong> rapport à une distance :<br />
ω(x) = arg min d(D(x), Ψ i )) (3.25)<br />
ω i<br />
La distance d est une distance de HAMMING [DIETTE95] ou bien une fonction de perte [ALLWEI00],<br />
ce qui permet de prendre en compte la valeur des sorties et non juste leurs signes.<br />
3.5.2.2 Décodage en cascade<br />
Les schémas de décodage en cascade dépendent du schéma de décomposition mais leur principe<br />
est identique. Ils réalisent une élimination itérative des classes jusqu’à n’en retenir qu’une<br />
[KREBEL99, PLATT99B]. Le synopsis général d’une procédure d’élimination est le suivant :<br />
1. Choisir une des fonctions de décision binaire ψ l .<br />
2. Eliminer la classe ω non prédite <strong>par</strong> ψ l .<br />
3. Répéter les étapes 1 à 2 jusqu’à ce qu’il ne reste plus qu’une classe.<br />
Cela correspond alors à définir un arbre de décision dont les noeuds sont des classificateurs binaires<br />
et qui est nommé DDAG (Decision Directed Acyclic Graph). La figure 3.13 présente un<br />
tel DDAG pour une décomposition un-contre-un. C’est une approche classique dont le défaut<br />
majeur réside dans le choix a priori de la structure de l’arbre. On peut alors chercher à optimiser<br />
la structure de l’arbre [TAKAHA03] pour obtenir des ODAG (Optimized Directed Acyclic<br />
Graph) ou bien modifier sa structure en la basant <strong>sur</strong> des règles d’élimination en tournoi et l’on<br />
obtient les ADAG (Adaptive Directed Acyclic Graph) [KIJSIR02].<br />
ω 1 vs ω 4<br />
¬ω 1 ¬ω 4<br />
ω 2 vs ω 4 ω 1 vs ω 3<br />
¬ω 2 ¬ω 4 ¬ω 1 ¬ω 3<br />
ω 3 vs ω 4 ω 2 vs ω 3 ω 1 vs ω 2<br />
¬ω 2 ¬ω 3<br />
¬ω 3 ¬ω<br />
¬ω 4 ¬ω 2<br />
1<br />
ω 4 ω 3 ω 2 ω 1<br />
FIG. 3.13 – Arbre de classificateurs binaires dans un schéma de décomposition un-contre-un.<br />
Les flèches bleues présentent un chemin dans l’arbre.