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>