| Autor: |
Biernacki, Christophe, Mohr, Roger |
| Přispěvatelé: |
Modeling, localization, recognition and interpretation in computer vision (MOVI), Laboratoire d'informatique GRAphique, VIsion et Robotique de Grenoble (GRAVIR - IMAG), Université Joseph Fourier - Grenoble 1 (UJF)-Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National Polytechnique de Grenoble (INPG)-Centre National de la Recherche Scientifique (CNRS)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National Polytechnique de Grenoble (INPG)-Centre National de la Recherche Scientifique (CNRS)-Inria Grenoble - Rhône-Alpes, Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS), INRIA |
| Jazyk: |
francouzština |
| Rok vydání: |
1999 |
| Předmět: |
|
| Zdroj: |
[Rapport de recherche] RR-3600, INRIA. 1999 |
| Popis: |
Nous proposons d'indexer un objet, ou partie d'image, par le paramètre d'un mélange gaussien qui approxime la distribution des couleurs, le nombre de classes étant choisi automatiquement par des critères bayésiens. Tout objet requête sera alors apparié à l'objet indexé le plus vraisemblable parmi tous les objets indexés de la base d'apprentissage. Cette technique est ensuite comparée à celle de l'indexation par histogrammes utilisant la dissimilarité du chi-deux pour apparier. L'avantage des mélanges gaussiens repose principalement sur un gain important de la taille de l'index par rapport aux histogrammes surtout lorsque la dimension augmente, tout en gardant une qualité d'appariement du même ordre. |
| Databáze: |
OpenAIRE |
| Externí odkaz: |
|
