3DRESC-TF : Apprentissage par transfert pour la réutilisation de connaissances en classification d'objets 3D

Dans cet article, nous proposons une amelioration basee sur du transfert de connaissances d'un algorithme de classification d'objets 3D existant, afin de pouvoir faire face aux manques de donnees, probleme frequent en apprentis-sage. L'idee maitresse reside dans le fait de transferer directe-ment les sous-parties constructrices d'attributs d'un do-maine vers un autre, afin de conserver les avantages d'in-terpretabilite et de souplesse de la methode d'origine. Mots Clefs Classification supervisee, objets 3D, apprentissage par transfert, selection d'attributs. Abstract In this article, we propose an improvement of an algorithm dealing with classification of 3D objects, using transfer learning, in order to face the lack of data, a frequent problem in learning systems. The main idea is to directly transfer some sub-partswhich are attributes builder from one domain to another in order to keep the advantages of interpretability and flexibility of the original method.