loading
  • Trang chủ
  • Sách, tuyển tập
  • Algorithme parallèle de Descente de gradient stochastique multi-classes pour la classification d'images / NGUYỄN, Quốc Khải; ĐỖ, Thanh Nghị,PHẠM, Nguyên Khang,HỒ, Tường Vinh
Sách, tuyển tập

Algorithme parallèle de Descente de gradient stochastique multi-classes pour la classification d'images / NGUYỄN, Quốc Khải; ĐỖ, Thanh Nghị,PHẠM, Nguyên Khang,HỒ, Tường Vinh

Tác giả : NGUYỄN, Quốc Khải; ĐỖ, Thanh Nghị,PHẠM, Nguyên Khang,HỒ, Tường Vinh

Năm xuất bản : 2014

Chủ đề : 1. Thesis.

Chia sẻ

Thông tin chi tiết

Tóm tắt :

La classification d'images consiste à étiqueter automatiquement des images en catégories prédéfinies. Son application se compose plusieurs domaines importants. Ce projet consiste à étudier les problèmes concernant la classification d'images et à développer un algorithme parallèle multi-classes basé sur la descente de gra- dient stochastique. Dans un premier temps, on extrait des données visuelles dans des images. Nous avons d'abord étudié la représentation des images par des vec- teurs caractéristiques (SIFT)[1]. L'étape suivante consiste à construire un vocabu- laire visuel en appliquant l'algorithme de clustering, k-moyenne sur un ensemble de vecteurs caractéristiques. Un cluster correspond à un mot visuel. Enfin, une image s'est représentée par un histogramme des mots visuels. Cette approche s'inspire au modèle sac-de-mots largement utilisé dans l'analyse des données textuelles. Dans un second temps, nous nous concentrons sur le problème d'apprentissage automatique basé sur la descente de gradient stochastique. Se basant sur l'implémentation SGD binaire Pegasos dans [2], nous avons développé l'algorithme MC-SGD pour la clas- sification multi-classes. Afin d'améliorer la vitesse de l'algorithme sur des machines multi-coeurs, nous avons aussi parallélisé cet algorithme en utilisant l'OpenMP. Nous constatons que les résultats de notre algorithme sont similaires à ceux de la LibSVM. De plus, notre algorithme est beaucoup plus rapide que la LibSVM, surtout pour les données complexes. Donc, notre méthode s'adapte bien pour la classification d'images où les données sont grandes.
Chia sẻ


Hiển thị MARC

 Thông tin dữ liệu nguồn

 Thư viện  Ký hiệu xếp giá  Dữ liệu nguồn
Thư viện tỉnh Vĩnh Long PM.037091, PM.037092, VV.056232
 http://tvvl.emiclib.com/Item/ItemDetail/53946?siteid=2
Viện Quốc tế Pháp ngữ - ĐHQGHN
https://repository.vnu.edu.vn/handle/VNU_123/30

 

 Tài liệu cùng tác giả

placeholder+image

Sách, tuyển tập

Algorithme parallele deDescente de gradient stochastique multi-classes pour la classi cation d'images: Luận văn ThS. Công nghệ thông tin / Nguyễn, Quốc Khải; Do Thanh Nghi, Người hướng dẫn,Pham Nguyen Khang, người hướng dẫn

Tác giả : Nguyễn, Quốc Khải; Do Thanh Nghi, Người hướng dẫn,Pham Nguyen Khang, người hướng dẫn

Nhà xuất bản : Đại học Công Nghệ

Năm xuất bản : 2014