offres d'emploi formations actualités contact accès annuaire intranet
Séminaires >

Evaluation de la qualité des images de synthèse en se basant sur l’approche RVM

Joseph Constantin, Université Libanaise

jeudi 5 juillet 2012 à 13h00

salle B014


Notre travail de recherche s’intéresse à l’approche "Relevance Vector Machine » (RVM) pour détecter les bruits dans les images de synthèse afin de fournir un critère d’arrêt pour les algorithmes de production des images de synthèse sans connaissance de l’image de référence. Le modèle RVM est un modèle d’apprentissage probabiliste qui a pour principe d’éliminer les paramètres qui ne permettent pas de définir la solution évitant de ce fait le problème de sur-apprentissage. L’algorithme RVM reprend certains aspects de l’approche SVM "Support Vector Machines" notamment par l’aspect probabiliste pour détecter l’incertitude dans la prédiction. Alors que dans la résolution par SVM, le nombre des vecteurs supports augmente avec la taille de la base d’apprentissage, la méthode RVM utilise un nombre plus faible de noyaux indépendant de la taille de la base. Aussi, l’approche SVM nécessite l’utilisation de fonctions à noyaux qui vérifient le théorème de Mercer, ce qui n’est pas le cas de l’approche RVM. Enfin, la solution obtenue en pratique est considérée comme parcimonieuse et présente des performances comparables à celle issue d’une SVM. Une comparaison de point de vue précision et minimisation du calcul en temps réel doit être effectuée entre cette nouvelle technique et d’autre techniques d’apprentissage proposées dans la littérature pour évaluer la qualité des images de synthèse.