Construction de hiérarchies sémantiques pour l'annotation d'images

Hichem Bannour 1 Hudelot Céline 1
1 MAS - Mathématiques Appliquées aux Systèmes - EA 4037
Résumé : Cet article propose une nouvelle méthode pour la construction automatique de hiérarchies sémantiques adaptées à la classification et à l'annotation d'images. La construction de la hiérarchie est basée sur une nouvelle mesure de similarité sémantique qui intègre plusieurs sources d'informations : visuelle, conceptuelle et contextuelle que nous définissons dans cet article. L'objectif est de fournir une mesure qui est plus proche de la sémantique des images. Nous proposons ensuite des règles, basées sur cette mesure, pour la construction de la hiérarchie finale qui encode explicitement les relations hiérarchiques entre les différents concepts. La hiérarchie construite est ensuite utilisée dans un cadre de classification sémantique hiérarchique d'images en concepts visuels. Nos expériences et résultats montrent que la hiérarchie construite permet d'améliorer considérablement les résultats de la classification.
Mots-clés : construction de hiérarchies sémantiques sémantique d'images annotation d'images mesures de similarité sémantiques classification hiérarchique d'images
Type de document :
Article dans une revue
Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle, Lavoisier, 2013, 27 (1), pp.11-37. 〈10.3166/ria.27.11-37〉
Liste complète des métadonnées

Littérature citée [43 références]  Voir  Masquer  Télécharger
https://hal-ecp.archives-ouvertes.fr/hal-00812952
Contributeur : Hichem Bannour <>
Soumis le : jeudi 18 avril 2013 - 10:23:11
Dernière modification le : jeudi 29 mars 2018 - 13:36:01
Document(s) archivé(s) le : lundi 3 avril 2017 - 04:48:15

Fichier

RIA-Hichem.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

Collections

EC-PARIS

Citation

Hichem Bannour, Hudelot Céline. Construction de hiérarchies sémantiques pour l'annotation d'images. Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle, Lavoisier, 2013, 27 (1), pp.11-37. 〈10.3166/ria.27.11-37〉. 〈hal-00812952〉

Exporter

BibTeX TEI DC DCterms EndNote

Partager

Métriques

Consultations de la notice

192

Téléchargements de fichiers

662

Contact

support.ccsd.cnrs.fr
hal.support@ccsd.cnrs.fr
Logo CCSD