Mon compte Ma liste - 0
	Catalogue   Ressources numériques   Nouveautés   Liens utiles   Mon compte

Recherche rapide Recherche avancée Recherche alphabétique Historique Information

Recherche  AuteurTitreSujetTitre de revueCollectionCotes BUCotes ENSEACotes IUFM       Modifier la recherche     > CERGY

Elargir la recherche       Sur le même sujet :     Vidéo numérique     Reconnaissance des formes (informatique)     Vision par ordinateur     Traitement d'images     Thèses et écrits académiques     Parcourir le catalogue     par auteur:      Zhao , Shuji      Precioso , Frédéric , 1974-.... , professeur des universités      Cord , Matthieu , 19..-....      Philipp-Foliguet , Sylvie , 1954-....      Pérez , Patrick , 1968-.... , informaticien      Riccardo , Leonardi      Vincent , Nicole , 1956-...      Laptev , Ivan , 1974-....      Université de Cergy-Pontoise , 1991-2019      École doctorale Sciences et ingénierie , Cergy-Pontoise, Val d'Oise      Equipes Traitement de l'Information et Systèmes , Cergy-Pontoise, Val d'Oise         Affichage MARC

Auteur :  Zhao , Shuji Precioso , Frédéric , 1974-.... , professeur des universités Cord , Matthieu , 19..-.... Philipp-Foliguet , Sylvie , 1954-.... Pérez , Patrick , 1968-.... , informaticien Riccardo , Leonardi Vincent , Nicole , 1956-... Laptev , Ivan , 1974-.... Université de Cergy-Pontoise , 1991-2019 École doctorale Sciences et ingénierie , Cergy-Pontoise, Val d'Oise Equipes Traitement de l'Information et Systèmes , Cergy-Pontoise, Val d'Oise Titre :  Catégorisation par le contenu sémantique d'objets vidéo : recherche et reconnaissance d'acteurs dans les films , Shuji Zhao ; sous la direction de Frédéric Precioso et de Matthieu Cord et de Sylvie Philipp-Foliguet Editeur :  2011 Notes :  Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : École doctorale Sciences et ingénierie (Cergy-Pontoise, Val d'Oise) Partenaire(s) de recherche : Equipes Traitement de l'Information et Systèmes (Cergy-Pontoise) (Laboratoire) Autre(s) contribution(s) : Frédéric Precioso, Matthieu Cord, Sylvie Philipp-Foliguet, Nicole Vincent, Ivan Laptev (Membre(s) du jury) ; Patrick Pérez, Leonardi Riccardo (Rapporteur(s)) Thèse de doctorat STIC (sciences et technologies de l'information et de la communication) Cergy-Pontoise 2011 Dans cette thèse, nous proposons un nouveau système de recherche par le contenu de catégories sémantiques d'objets vidéo.A partir des séquences vidéo, nous détectons et extrayons les régions contenant le même objet (visage d'une personne, un modèle de voiture, etc.) au cours d'un plan-séquence. A partir de ce volume, appelé Track, nous extrayons un ensemble de caractéristiques visuelles spatio-temporellement cohérentes qui forme ainsi un Tube Spatio-Temporel représentant l'objet.Pour évaluer la similarité entre Tubes Spatio-Temporels, nous concevons des fonctions noyaux dédiées. À partir de ces noyaux, nous proposons des stratégies d'apprentissage supervisé et interactif, intégrées dans un cadre Machine à Vecteurs de Supports.Notre approche est évaluée sur des bases de données de films réels. Elle surpasse les méthodes de l'état de l'art pour la reconnaissance d'acteurs multi-classes. Notre méthode est également testée pour la recherche interactive d'un acteur dans une base de vidéo et sur une base de données de voitures, illustrant ainsi la généricité de la méthode et ses possibles extensions à tout type d'objets vidéo. In this thesis, we propose a new video object retrieval and recognition system based on visual content.From video sequences, we detect, then extract video objects such as face and car, and define the continuous content made of regions containing this object in successive frames. From this volume, called Track, we extract spatio-temporally consistent visual features to define the video object representation: Spatio-Temporal Tube.To evaluate the similarity between complex tube objects, we design a Spatio-Temporal Tube Kernel (STTK) function. Based on this kernel similarity we present both supervised and active learning strategies embedded in Support Vector Machine framework. Additionally, we propose a multi-class classification framework dealing with highly unbalanced datasets.Our approach is successfully evaluated on real movie databases. Our machine learning approach outperforms the state of the art methods for multi-class actor recognition. Our method is also evaluated for actor retrieval task and on a car database showing hence promising results for car identification task and the potential of extension to any category of video objects. Configuration requise : un logiciel capable de lire un fichier au format : PDF URL:  (Accès au texte intégral) http://www.theses.fr/2011CERG0511/document http://www.theses.fr/2011CERG0511/abes Sujet :  Vidéo numérique Reconnaissance des formes (informatique) Vision par ordinateur Traitement d'images Thèses et écrits académiques   Exemplaires Pas de données exemplaires

Pour toute question, contactez la bibliothèque

Horizon Information Portal 3.25_france_v1m© 2001-2019 SirsiDynix Tous droits réservés.