Détail de l'auteur
Auteur Kamel Guissous
|
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Titre : Saliency and Burstiness for Feature Selection in CBIR Type de document : Article/Communication Auteurs : Kamel Guissous , Auteur ; Valérie Gouet-Brunet
Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2020 Projets : 2-Pas d'info accessible - article non ouvert / Conférence : EUVIP 2019, 8th European Workshop on Visual Information Processing 28/10/2019 31/10/2019 Rome Italie Proceedings IEEE Importance : pp 111 - 116 Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes descripteurs IGN] analyse d'image orientée objet
[Termes descripteurs IGN] analyse visuelle
[Termes descripteurs IGN] extraction de traits caractéristiques
[Termes descripteurs IGN] recherche d'image basée sur le contenu
[Termes descripteurs IGN] saillance
[Termes descripteurs IGN] zone saillante 3DRésumé : (auteur) The paper addresses the problem of visual feature selection in content-based image retrieval (CBIR). We propose to study two strategies: the first one is using visual saliency, that selects the most salient features of the image and the second one exploits burstiness, that detects and processes the repeated visual elements in the image. To detect and describe the visual features in images, we rely on a deep local features approach based on convolutional neural network. The two strategies are evaluated for image retrieval on different datasets, according to two criteria: quality of retrieval and volume of manipulated features. Numéro de notice : C2019-027 Affiliation des auteurs : LaSTIG MATIS (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/EUVIP47703.2019.8946126 date de publication en ligne : 02/01/2020 En ligne : https://ieeexplore.ieee.org/document/8946126 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94521 Comparative study of visual saliency maps in the problem of classification of architectural images with Deep CNNs / Abraham Montoya Obeso (2018)
Titre : Comparative study of visual saliency maps in the problem of classification of architectural images with Deep CNNs Type de document : Article/Communication Auteurs : Abraham Montoya Obeso, Auteur ; jenny Benois-Pineau, Auteur ; Kamel Guissous Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2018 Projets : 2-Pas d'info accessible - article non ouvert / Conférence : IPTA 2018, 8th International Conference on Image Processing Theory, Tools and Applications (7 - 10 novembre 2018; Xi'an, Chine) 07/11/2018 10/11/2018 Xi'an Chine Proceedings IEEE Importance : pp 1 - 6 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes descripteurs IGN] analyse comparative
[Termes descripteurs IGN] Bootstrap (statistique)
[Termes descripteurs IGN] classification par réseau neuronal convolutif
[Termes descripteurs IGN] compréhension de l'image
[Termes descripteurs IGN] exploration de données
[Termes descripteurs IGN] recherche d'image basée sur le contenu
[Termes descripteurs IGN] saillance
[Termes descripteurs IGN] scène urbaineRésumé : (auteur) Incorporating Human Visual System (HVS) models into building of classifiers has become an intensively researched field in visual content mining. In the variety of models of HVS we are interested in so-called visual saliency maps. Contrarily to scan-paths they model instantaneous attention assigning the degree of interestingness/saliency for humans to each pixel in the image plane. In various tasks of visual content understanding, these maps proved to be efficient stressing contribution of the areas of interest in image plane to classifiers models. In previous works saliency layers have been introduced in Deep CNNs, showing that they allow reducing training time getting similar accuracy and loss values in optimal models. In case of large image collections efficient building of saliency maps is based on predictive models of visual attention. They are generally bottom-up and are not adapted to specific visual tasks. Unless they are built for specific content, such as "urban images"-targeted saliency maps we also compare in this paper. In present research we propose a "bootstrap" strategy of building visual saliency maps for particular tasks of visual data mining. A small collection of images relevant to the visual understanding problem is annotated with gaze fixations. Then the propagation to a large training dataset is ensured and compared with the classical GBVS model and a recent method of saliency for urban image content. The classification results within Deep CNN framework are promising compared to the purely automatic visual saliency prediction. Numéro de notice : C2018-097 Affiliation des auteurs : LaSTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/IPTA.2018.8608125 date de publication en ligne : 14/01/2019 En ligne : https://doi.org/10.1109/IPTA.2018.8608125 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95885
contenu dans 27èmes Journées de la Recherche de l'IGN / Journées Recherche de l'IGN 2018, 27es Journées (22 - 23 mars 2018; Cité Descartes, Champs-sur-Marne, France) (2018)
Titre : Saillance visuelle en imagerie urbaine Type de document : Article/Communication Auteurs : Kamel Guissous Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN Année de publication : 2018 Conférence : Journées Recherche de l'IGN 2018, 27es Journées 22/03/2018 23/03/2018 Champs-sur-Marne France programme sans actes Langues : Français (fre) Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes descripteurs IGN] analyse d'image numérique
[Termes descripteurs IGN] contour
[Termes descripteurs IGN] espace urbain
[Termes descripteurs IGN] patrimoine
[Termes descripteurs IGN] valorisationRésumé : (Auteur) Avec l'augmentation de la taille des bases d'images et de la complexité des descripteurs dans les domaines de la recherche d'images par contenu visuel et de la vision par ordinateur, il est nécessaire de trouver un moyen pour limiter la quantité de données manipulées, tout en conservant leur représentativité. Au lieu d’analyser l'image entière, la sélection des régions qui détiennent l'essence de l'information est une option pertinente pour atteindre cet objectif. La saillance visuelle peut permettre de sélectionner les zones les plus importantes de l'image pour une tâche donnée. Nous proposons ici une nouvelle approche de saillance visuelle basée sur l'analyse de la distribution locale de l'orientation des contours, en particulier dédiée aux contenus image structurés, comme c’est le cas en environnement urbain. La méthode proposée a été exploitée dans deux applications différentes : la recherche d'images pour la valorisation de fonds photographiques patrimoniaux et la localisation basée image de véhicule. Numéro de notice : C2018-084 Affiliation des auteurs : LaSTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE/URBANISME Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91535 Documents numériques
en open access
Saillance visuelle en imagerie urbaine - diaporama de présentationAdobe Acrobat PDF
Titre : Image retrieval based on saliency for urban image contents Type de document : Article/Communication Auteurs : Kamel Guissous Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2017 Projets : 2-Pas d'info accessible - article non ouvert / Conférence : IPTA 2017, 7th International Conference on Image Processing Theory, Tools and Applications 28/11/2017 01/12/2017 Montréal Canada Proceedings IEEE Importance : 6 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes descripteurs IGN] recherche d'image basée sur le contenu
[Termes descripteurs IGN] saillance
[Termes descripteurs IGN] scène urbaineRésumé : (auteur) With the increase of image datasets size and of descriptors complexity in Content-Based Image Retrieval (CBIR) and Computer Vision, it is essential to find a way to limit the amount of manipulated data, while keeping its quality. Instead of treating the entire image, the selection of regions which hold the essence of information is a relevant option to reach this goal. As the visual saliency aims at highlighting the areas of the image which are the most important for a given task, in this paper we propose to exploit visual saliency maps to prune the most salient image features. A novel visual saliency approach based on the local distribution analysis of the edges orientation, particularly dedicated to structured contents, such as street view images of urban environments, is proposed. It is evaluated for CBIR according to three criteria: quality of retrieval, volume of manipulated features and computation time. The proposal can be exploited into various applications involving large sets of local visual features; here it is experimented within two applications: cross-domain image retrieval and image-based vehicle localisation. Numéro de notice : C2017-040 Affiliation des auteurs : LaSTIG MATIS (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/IPTA.2017.8310131 date de publication en ligne : 12/03/2018 En ligne : https://doi.org/10.1109/IPTA.2017.8310131 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91922
Titre : Recherche d’images basée sur la saillance visuelle pour l’imagerie urbaine Type de document : Article/Communication Auteurs : Kamel Guissous Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN Année de publication : 2017 Conférence : ORASIS 2017, 16e journées francophones des jeunes chercheurs en vision par ordinateur 12/06/2017 16/06/2017 Colleville-sur-Mer France open access proceedings Importance : 8 p. Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes descripteurs IGN] analyse d'image orientée objet
[Termes descripteurs IGN] contour
[Termes descripteurs IGN] détection de région
[Termes descripteurs IGN] recherche d'image basée sur le contenu
[Termes descripteurs IGN] vision par ordinateur
[Termes descripteurs IGN] zone saillante 3DRésumé : (auteur) Avec l’augmentation de la taille des bases d’images et de la complexité des descripteurs dans les domaines de la recherche d’images par contenu visuel et de la vision par ordinateur, il est nécessaire de trouver un moyen pour limiter la quantité de données manipulées, tout en conservant leur représentativité. Au lieu d’analyser l’image entière, la sélection des régions qui détiennent l’essence de l’information est une option pertinente pour atteindre cet objectif. Comme la saillance visuelle a pour objectif de sélectionner les zones les plus importantes de l’image pour une tâche donnée, dans cet article, nous proposons d’exploiter des cartes de saillance visuelle pour filtrer les caractéristiques visuelles les plus saillantes de l’image. Une nouvelle approche de saillance visuelle basée sur l’analyse de la distribution locale de l’orientation des contours, en particulier dédiée aux contenus image structurés, comme les images de type streetview de l’environnement urbain, est proposée. Il est évalué pour la recherche d’images par contenu visuel à partir d’un exemple selon trois critères : la qualité de la recherche, le volume des caractéristiques manipulées et le temps de calcul. L’approche proposée peut être exploitée dans diverses applications qui manipulent de grands nombres de caractéristiques visuelles ; ici il est expérimenté dans deux applications : la recherche d’images cross-domain et la localisation de véhicule basée image. Numéro de notice : C2017-032 Affiliation des auteurs : LaSTIG MATIS (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésNat DOI : sans En ligne : https://orasis2017.sciencesconf.org/139245/document Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=89296 Documents numériques
en open access
Recherche d’images basée sur la saillance visuelle - postprintAdobe Acrobat PDF
