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

42 Discussion et directions futures– Une modélisation plus proche de la réalité de la structure du calculdes descripteurs, qui a pour conséquence d’augmenter le nombre degroupes, ce qui rend les paliers de la fonction erreur = f(cout de calculmaximum) moins larges, soit des optima de performance de classificationplus fins.– Une automatisation du processus de sélection des descripteurs en fonctiondes exemples d’entraînement, du classifieur, et de l’implémentationdu calcul des descripteurs.Prise en compte du temps de classificationLe calcul des descripteurs est un élément contribuant au délai lié au systèmede suivi de partition, et la classification d’un vecteur de descripteurs enest un autre, que nous avons volontairement mis de côté lors de notre étude.L’intégration d’un algorithme de sélection de descripteurs à un patch tempsréelrend envisageable de mesurer le temps que le classifieur met à classifier un vecteurde descripteurs. Ce temps dépend du sous-ensemble de descripteurs danslequel les exemples sont décrits, et peut donc être incorporé comme critère pendantle processus de sélection dans un algorithme évaluant des sous-ensemblesde descripteurs. La manière de combiner le temps de classification avec lesautres "mérites" possibles est un problème ouvert, bien que nous possédionsquelques idées sur le sujet.5.2 Création de descripteurs et coût de calculUne des conséquences logiques de ce travail est d’aborder la question ducoût de calcul dans les problèmes de création de descripteurs (dont un aperçua été donné dans la partie 2.2 page 11). De même qu’il est intéressant de pouvoirsélectionner des descripteurs offrant un bon compromis entre performanceet temps de calcul, il semble intéressant de créer des descripteurs à lafois performants et peu nécessiteux en calcul. L’utilisation d’une fonction demérite combinant un coût lié au coût de calcul des descripteurs et la performanceestimée pour un classifieur donné (tel que nous l’avons brièvementexpérimenté, voir 3.3 page 22) semble indiquée.5.3 Descripteurs globaux et temps-réelComme nous l’avons vu dans la partie 1.4, les descripteurs audio globaux(tels que définis dans [23]) ne sont pas utilisables pour l’entraînementd’un modèle d’observation. Cependant, il semble intuitivement intéressantde décrire les exemples d’entraînement à la fois selon la valeur d’un descripteurinstantané et selon un descripteur contextuel dérivé, combinant les valeursinstantanées du descripteur sur des fenêtres passées. La différence entre lavaleur du descripteur instantanée et celle du descripteur contextuel (qui estégalement instantané) peut constituer un descripteur rendant les classifieursplus performant pour la segmentation en temps-réel, dans la mesure où nous