Extraction de la forme et de la perspective dans des textures artificielles et des scènes naturelles par modèles corticaux
Notice bibliographique
Résumé
Dans ce travail nous presentons un nouvel algorithme d'extraction de la forme par la texture applique a l'analyse des scenes naturelles. L'originalite de cette approche est basee sur la structure du cortex visuel primaire (V1) dont elle modelise les fonctions. L'algorithme est capable d'analyser une grande variete de textures presentant differents types d'irregularites. Tout d'abord pour realiser l'echantillonnage du spectre d'amplitude, nous proposons de nouveaux filtres, appeles filtres log-normaux, inspires du fonctionnement des cellules complexes de l'aire V1, en remplacement des filtres de Gabor classiques. Ces filtres s'averent particulierement appropries aux techniques de reconnaissance de forme de part leurs differentes proprietes theoriques, notamment leur profil en frequence radiale (adapte a la decroissance en 1/f des scenes naturelles) et leur separabilite en orientation et en frequence. Nous utilisons ensuite une methode d'estimation de la frequence moyenne locale appliquees sur des signaux naturels. Celle-ci ne necessite pas la recherche d'une echelle adaptee a l'analyse et tire avantage de l'ensemble des frequences du banc de filtres utilise. Finalement, a partir de l'estimation locale, l'orientation et la forme sont extraits en utilisant les proprietes geometriques de la projection perspective. La precision de la methode est evaluee sur differents types de textures, a la fois regulieres et irregulieres, et sur des scenes naturelles. La methode presentee permet d'obtenir des resultats se comparant favorablement aux meilleures techniques existantes tout en conservant un faible cout de calcul. Enfin le modele peut etre adapte a d'autres applications telles que l'analyse de textures, l'extraction de points caracteristiques ou l'indexation d'images par le contenu.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».