Ontology Based Object Learning and Recognition

Cette these se place dans le cadre du probleme de la reconnaissance d'objets et plus generalement dans celui de la vision cognitive. L'approche proposee se decompose en trois phases principales: une phase d'acquisition de connaissances qui consiste a acquerir la connaissance d'un domaine d'application sous la forme d'une hierarchie de classes d'objets et de sous parties. Il s'agit egalement de decrire ces classes du domaine en termes de concepts visuels (forme, texture, couleur, relations spatiales) fournis par une ontologie. Chaque concept visuel de cette ontologie etant associe a des descripteurs bas niveau, le fosse semantique est reduit de maniere conviviale pour un expert. La phase d'apprentissage consiste, a partir d'images d'exemples segmentees et labellisees, a obtenir un ensemble de detecteurs de concepts visuels. Ces detecteurs sont obtenus par l'entrainement de Support Vector Machines avec les descripteurs numeriques extraits dans les images d'exemples segmentees et labellisees par des concepts visuels. La phase de categorisation utilise la connaissance acquise ainsi que les detecteurs de concepts visuels obtenus lors de la phase d'apprentissage. La connaissance sert a generer des hypotheses qui doivent etre verifiees dans l'image a interpreter. Cette verification consiste a detecter des concepts visuels dans l'image segmentee automatiquement. Le resultat de la categorisation est exprime en termes de classes du domaine mais aussi en termes de concepts visuels. L'approche proposee a notamment ete utilisee ete utilisee pour l'indexation et la recherche semantique d'images.