Conception des modèles d'observation audio temps réel à l ... - atiam

3.4 Première approche : ordonner les descripteurs 23se basent sur des façons d’aborder l’espace de recherche qui sont plus abordablesdu point de vue du temps de calcul.3.4 Première approche : ordonner les descripteursNotre première approche est naïve et se base sur l’utilisation d’un algorithmede sélection de descripteurs qui ordonne les descripteurs selon unmérite. Ceux-ci sont de deux types :– Filters purs (algorithmes attribuant un mérite à chaque descripteur, indépendammentdu classifieur utilisé).– Algorithmes basés sur une recherche permettant d’ordonner les descripteurssélectionnés (comme la recherche pas à pas) et sur un évaluateurde sous-ensembles de descripteurs.Dans les deux cas, l’ordre obtenu permet de former facilement plusieurssous-ensembles de descripteurs de coût de calcul croissant et de mérite croissant(la notion de mérite variant selon les algorithmes). Nous formons n sousensemblesde descripteurs, où le n-ième sous-ensemble est constitué des npremiers descripteurs selon l’ordre donné par l’algorithme de sélection.Les algorithmes en question ayant pour principe d’ordonner les descripteurssuivant un mérite, notre première approche consiste à évaluer (pour unclassifieur donné) la performance de classification obtenue avec les n sousensemblesde descripteurs, puis à retenir le sous-ensemble aboutissant à lameilleure performance pour chaque coût de calcul maximum possible. Cetteapproche a le défaut de ne pas garantir l’obtention d’un sous-ensemble dedescripteurs pour tous les coûts de calcul maximums possibles. En effet, nousne pouvons pas prédire le coût de calcul du premier descripteur (de méritemaximal) trouvé par l’algorithme.3.5 Deuxième approche : taxonomie de rechercheUne autre approche consiste à former plusieurs ensembles de descripteurs(un pour chaque coût de calcul maximum) pour lesquels tout sousensemblede descripteurs a un coût de calcul inférieur au coût de calcul maximum,et à effectuer une sélection dans chaque ensemble. Pour ces sélections,n’importe quel algorithme de sélection de descripteurs peut être utilisé.Taxonomie de rechercheNotre taxonomie de recherche s’appuie sur les représentations du signalqui sont nécessaires à l’obtention des descripteurs. Les sous-ensembles dedescripteurs formés en combinant des descripteurs des ensembles E temporel ,E spectral , E harmonique , E perceptif et E harmonico−perceptif ont pour coût de calculune combinaison linéaire des coûts de calcul des différentes représentationsdu signal. En ré-utilisant le formalisme donné à la partie 2.3 page 11, si n est lenombre de descripteurs selon lesquels les exemples sont décrits, p le nombrede représentations du signal prises en compte dans le modèle, c representation (i)