untitled
<OAI-PMH schemaLocation=http://www.openarchives.org/OAI/2.0/ http://www.openarchives.org/OAI/2.0/OAI-PMH.xsd> <responseDate>2018-01-15T18:41:25Z</responseDate> <request identifier=oai:HAL:hal-00656522v1 verb=GetRecord metadataPrefix=oai_dc>http://api.archives-ouvertes.fr/oai/hal/</request> <GetRecord> <record> <header> <identifier>oai:HAL:hal-00656522v1</identifier> <datestamp>2018-01-11</datestamp> <setSpec>type:COMM</setSpec> <setSpec>subject:info</setSpec> <setSpec>collection:RFIA2012</setSpec> <setSpec>collection:CNRS</setSpec> <setSpec>collection:UPMC</setSpec> <setSpec>collection:ISIR</setSpec> <setSpec>collection:UNIV-AG</setSpec> <setSpec>collection:BNRMI</setSpec> <setSpec>collection:UPMC_POLE_1</setSpec> </header> <metadata><dc> <publisher>HAL CCSD</publisher> <title lang=fr>Machine à Vecteurs Supports Multi-Noyau pour la détection de points caractéristiques du visage</title> <creator>Rapp, Vincent</creator> <creator>Sénéchal, Thibaud</creator> <creator>Kevin, Bailly</creator> <creator>Prevost, Lionel</creator> <contributor>Institut des Systèmes Intelligents et de Robotique (ISIR) ; Université Pierre et Marie Curie - Paris 6 (UPMC) - Centre National de la Recherche Scientifique (CNRS)</contributor> <contributor>Laboratoire de Mathématiques Informatique et Applications (LAMIA) ; Université des Antilles et de la Guyane (UAG)</contributor> <description>Session "Articles"</description> <description>National audience</description> <source>Actes de la conférence RFIA 2012</source> <source>RFIA 2012 (Reconnaissance des Formes et Intelligence Artificielle)</source> <coverage>Lyon, France</coverage> <identifier>hal-00656522</identifier> <identifier>https://hal.archives-ouvertes.fr/hal-00656522</identifier> <identifier>https://hal.archives-ouvertes.fr/hal-00656522/document</identifier> <identifier>https://hal.archives-ouvertes.fr/hal-00656522/file/rfia2012_submission_99.pdf</identifier> <source>https://hal.archives-ouvertes.fr/hal-00656522</source> <source>RFIA 2012 (Reconnaissance des Formes et Intelligence Artificielle), Jan 2012, Lyon, France. pp.978-2-9539515-2-3, 2012</source> <language>fr</language> <subject lang=fr>Support vector machine</subject> <subject lang=fr>Multi-Kernel Learning</subject> <subject lang=fr>Landmark</subject> <subject lang=fr>Detector</subject> <subject lang=fr>Facial features</subject> <subject lang=fr>Machine à Vecteurs supports</subject> <subject lang=fr>Apprentissage multi-noyau</subject> <subject lang=fr>détecteur</subject> <subject lang=fr>point caractéristiques du visage</subject> <subject>[INFO.INFO-AI] Computer Science [cs]/Artificial Intelligence [cs.AI]</subject> <subject>[INFO.INFO-CV] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV]</subject> <type>info:eu-repo/semantics/conferenceObject</type> <type>Conference papers</type> <description lang=fr>Dans cet article, nous présentons une méthode robuste et précise pour détecter 17 points caractéristiques du visage sur des images expressives. Une nouvelle architecture multi-résolution basée sur les récents algorithmes multi-noyau est introduite. Les patches de faibles résolutions codent les informations globales du visage donnant lieu à une détection grossière mais robuste du point désiré. Les patches de grandes résolutions quant à eux utilisent les détails locaux afin d'affiner cette localisation. En combinant une détection indépendante de points et des informations a priori sur les distributions de points, nous proposons un détecteur robuste aux changements d'expressions ainsi qu'aux variations d'illuminations. Ce système a été évalué sur plusieurs bases de données de la littérature. Les résultats présentés améliorent les performances des détecteurs de l'état de l'art</description> <date>2012-01-24</date> </dc> </metadata> </record> </GetRecord> </OAI-PMH>