Large scale support vector machines algorithms for visual classification

par Thanh-Nghi Doan

Thèse de doctorat en Informatique

Sous la direction de François Poulet.

  • Titre traduit

    Algorithmes de SVM pour la classification d'images à grande échelle


  • Résumé

    Nous présentons deux contributions majeures : 1) une combinaison de plusieurs descripteurs d’images pour la classification à grande échelle, 2) des algorithmes parallèles de SVM pour la classification d’images à grande échelle. Nous proposons aussi un algorithme incrémental et parallèle de classification lorsque les données ne peuvent plus tenir en mémoire vive.


  • Résumé

    We have proposed a novel method of combination multiple of different features for image classification. For large scale learning classifiers, we have developed the parallel versions of both state-of-the-art linear and nonlinear SVMs. We have also proposed a novel algorithm to extend stochastic gradient descent SVM for large scale learning. A class of large scale incremental SVM classifiers has been developed in order to perform classification tasks on large datasets with very large number of classes and training data can not fit into memory.


Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Consult en bibliothèque

Version is available

Where is this thesis?

  • Bibliothèque : Université de Rennes I. Service commun de la documentation. Bibliothèque de ressources électroniques en ligne.
See the Sudoc catalog libraries of higher education and research.