Please use this identifier to cite or link to this item: http://repository.vnu.edu.vn/handle/VNU_123/30
Title: Algorithme parallèle de Descente de gradient stochastique multi-classes pour la classification d'images
Authors: ĐỖ, Thanh Nghị
PHẠM, Nguyên Khang
HỒ, Tường Vinh
NGUYỄN, Quốc Khải
Issue Date: 2014
Abstract: La classification d'images consiste à étiqueter automatiquement des images en catégories prédéfinies. Son application se compose plusieurs domaines importants. Ce projet consiste à étudier les problèmes concernant la classification d'images et à développer un algorithme parallèle multi-classes basé sur la descente de gra- dient stochastique. Dans un premier temps, on extrait des données visuelles dans des images. Nous avons d'abord étudié la représentation des images par des vec- teurs caractéristiques (SIFT)[1]. L'étape suivante consiste à construire un vocabu- laire visuel en appliquant l'algorithme de clustering, k-moyenne sur un ensemble de vecteurs caractéristiques. Un cluster correspond à un mot visuel. Enfin, une image s'est représentée par un histogramme des mots visuels. Cette approche s'inspire au modèle sac-de-mots largement utilisé dans l'analyse des données textuelles. Dans un second temps, nous nous concentrons sur le problème d'apprentissage automatique basé sur la descente de gradient stochastique. Se basant sur l'implémentation SGD binaire Pegasos dans [2], nous avons développé l'algorithme MC-SGD pour la clas- sification multi-classes. Afin d'améliorer la vitesse de l'algorithme sur des machines multi-coeurs, nous avons aussi parallélisé cet algorithme en utilisant l'OpenMP. Nous constatons que les résultats de notre algorithme sont similaires à ceux de la LibSVM. De plus, notre algorithme est beaucoup plus rapide que la LibSVM, surtout pour les données complexes. Donc, notre méthode s'adapte bien pour la classification d'images où les données sont grandes.
URI: http://repository.vnu.edu.vn/handle/VNU_123/30
Appears in Collections:IFI - Master Theses

Files in This Item:
Thumbnail

  • File : NguyenQuocKhai-report-stage.pdf
  • Description : 
  • Size : 1.22 MB
  • Format : Adobe PDF


  • Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.