An Autonomous Method of Optimization Targeting for an Object Detection System Based on Responsability Analysis
Une Méthode Autonome de Ciblage de l’Optimisation d’un Système de Détection d’Objets par Analyse de la Responsabilité
OPEN ACCESS
Object extraction systems performances are not homogeneous over different corpora because objects can take many different aspects within such sets.An adaptation of these systems is thus required in order to maintain equal performances over every kind of object the system may be applied on.Focusing on the issue of parameters optimization,a method has been developed to restrict optimization to parameters of operators which compose the system,responsible for the different categories of errors produced by the system.Two stages are involved in our method.The first one is dedicated to the analysis of the system performances and leads to the extraction of the different error categories already mentionned.The second one relates to the analysis of the behavior of the different operators,leading to extract a single operator responsible for each error category.Experiments have been carried out over a video text detection system.
Résumé
Les systèmes d'extraction d'objets sont mis à mal par la diversité de ces derniers. Leur adaptation est donc nécessaire pour maintenir des performances équivalentes quelle que soit la nature des objets sur lesquels ceux-ci sont appliqués. S'attachant plus particulièrement,dans l'optique de cette adaptation,à la tâche d'optimisation du paramétrage de ces systèmes,nous proposons dans cet article une méthode originale de ciblage de l'optimisation aux seuls paramètres des opérateurs du système estimés responsables des différentes catégories d'erreurs produites par le système. Cette méthode s'appuie alors sur deux analyses distinctes. La première porte sur les performances du système considéré et permet d'extraire les différentes catégories d'erreur déjà mentionnées. La seconde concerne le fonctionnement des différents opérateurs composant le système et donne lieu à la détermination d'un opérateur responsable pour chaque catégorie d'erreur. Une application de cette méthodologie à un système de détection de texte est par ailleurs détaillée.
Control,optimization,autonomy principle,responsibility diagnostic,object detection,video texts.
Mots clés
Contrôle,optimisation,principe d'autonomie,diagnostic de responsabilité,détection d'objets,textes vidéo.
[1] L. ASFAR, Recherche des contours dans une image landsat. In RFIA, pages 237-248, Nancy, 1981.
[2] D. CHEN, J-M. ODOBEZ and H. BOURLARD, Text detection and recognition in images and video frames. Pattern Recognition, (37): 595-608, 2004.
[3] R. CLOUARD, A. ELMOATAZ, C. PORQUET and M. REVENU, Borg: a knowledge-based system for automatic generation of image processing programs. IEEE Transactions on Pattern Analysis and Machine Intelligence, 21(2): 128-144, 1999.
[4] P. DALLE and P. DEJEAN, Planification en traitement d’image: approche basée sur les données. In Congrès RFIA, pages 75-84, Clermont-Ferrand, France, 1998.
[5] A. DESOLNEUX,L. MOISANand J-M. MOREL,Edge detection by helmholtz principle. Journal of Mathematical Imaging and Vision, 14(3): 271-284, 2001.
[6] B.A. DRAPER, J. BINS and K. BAEK, Adore: Adaptative object recognition. VIDERE, 1(4): 86-99, 2000.
[7] R.O. DUDA, P.E. HART and D.G. STORK, Pattern Classification, second edition. New York: Wiley And Sons, 2001. 654 p.
[8] V. FICET-CAUCHARD, C. PORQUET and M. REVENU, An interactive case-based reasoning system for the development of image processing applications. In European Workshop on Case Base Reasoning (EWCBR), pages 437-447, Dublin, Irlande, 1998.
[9] X-S. HUA, L. WENYIN, and H-J. ZHANG, An automatic performance evaluation protocol for video text detection algorithms. IEEE Transactions on Circuits and Systems for Video Technology, 14(4): 498-507, 2004.
[10] R. LIENHART and A. WERNIKE, Localizing and segmenting text in images, videos and web pages. IEEE Transactions on Circuits and Systems for Video Technology, 12(4): 256-268, 2002.
[11] V. Y. MARIANO, J. MIN, J-H. PARK, R. KASTURI, D. MIHALCIK, H. LI and D. DOERMANN, Performance evaluation of object detection algorithms. In International Conference on Pattern Recognition, pages 965-969, Québec, Canada, 2002.
[12] S. MOISAN, R. VINCENT, J. VAN DEN ELST and F. VAN HARMELEN, Towards an intelligent failure handling mechanism in program supervision. In 1st International Workshop on Knowledge Based systems for the (re)Use of Program Libraries, pages 109-118, Sophia Antipolis, France, Nov 1995.
[13] V. PARAMESWARAN, P. BURLINA and R. CHELLAPPA, Performance analysis and learning approaches for vehicle detection and counting in aerial images. In ICASSP, pages 2753-2756, Munich, Allemagne, 1997.
[14] V. POPOVICI,Y. RODRIGUEZ, J.-P. THIRAN and S. MARCEL, On performance evaluation of face detection and localization algorithms. In 17th International Conference on Pattern Recognition, volume 1, pages 313-317, Cambridge,Angleterre, 2004.
[15] C. SHEKHAR, S. MOISAN, R. VINCENT, P. BURLINA, and R. CHELLAPPA, Knowledge-based control of vision systems. Image and Vision Computing, 17: 667-683, 1998.
[16] S. TREUILLET, D. DRIOUCHI and P. RIBEREAU,Ajustement des paramètres d’une chaîne de traitements d’images par un plan d’expérience factoriel fractionnaire 2k−p. Traitement du Signal, 21(2): 141156, 2004.
[17] C. WOLF, Détection de textes dans les images issues d’un flux vidéo pour l’indexation sémantique. PhD thesis, Lyon: INSA de Lyon, 2003. 205 p.