Extreemly Random Trees + SubWindows HOURRI Soufiane NAIT ABDELLAH OUALI Ismail OUFQIR Anouar OUSSAFI Mohammed
Plan Arbre de décision Limites Extra-Trees Algorithme Apprentissage Classification Conclusion
Arbre de décision
Limites: Complexité
Limites: Bruit
Extra-Trees T1T2T3T4 T5
M: Nombre des arbres à générer K: Le nombre d’attributs (pixels) à choisir aléatoirement. LS : Ensemble d’apprentissage (Learning Set) M Extra-Arbres
Pour i allant de 1 à M //Génération d’un extra arbre: - Choisir aléatoirement K pixels (position) - Construire un arbre de décision de ces pixels FinPour
Exemple: M: 3 K: 4 Arbre 1: [ ] Arbre 2: [ ] Arbre 3: [ ]
Exemple: M: 3 K:
Pour tout les images d’entrainement Pour chaque extra-arbres (1->M) -Passer l'image dans l’arbre -Incrémenter la probabilité de la classe de l'image dans la feuille résultante FinPourFinPour
% … 1% Classe 1 … Classe N 1% … 0% 1% … 2% 22% … 1% 3% … 2% 1% … 10% 2% … 50% 1% … 20% 1% … 0% 1% … 2% 1% … 4% 2% … 1% … 2% 1% … 2% 1% … 2% 1% …
Pour chaque extra-arbres (1->M) -Passer l'image dans l’arbre -Enregistrer les probabilités des classes du nœud résultant FinPour -Retourner la classe avec la grande probabilité (moyennne)
60% 30% 5% A B C 32% 15% 25% 75% 20% 30% 55% 21% 20%
Sous-fenêtrage L’idée: Extraire d’une image (lors du test ou l’apprentissage) N sous-fenêtres Entrée: L’image, (N : le nombre de fenêtres) Sortie: N sous-fenêtres …
Sous-fenêtrage …
Approche locale par extraction aléatoire de fenêtres: Amélioration de la précision Amélioration de la robustesse
Le but: Classifier les image radiologiques médicales La méthode: Extra-Trees Random Subwindows La base de données: images radiologique (57 classes)
Phase d’apprentissage 16x16 pixels
Phase d’apprentissage Construction de l’ensembles des Extra-Arbres
Phase de prédiction
Exemple de sous-fenêtres extraites
Le sous-fenêtrage est basé sur un algorithme d’extraction de caractéristiques.. => Ciblage des zones d’interets
Conclusion Application d’une méthode générique sur des images biomédical Très bon résultat, sans adaptation complexe de l’algorithme Confirmation de l’efficacité de l’algorithme dans plusieurs domaines