Bonjour,

Je souhaite classer différentes images suivant leurs descripteurs (Arbre, Ciel, Maison)...

Je pensais utiliser Gabor+SVM et de l'acp pour l'optimiser.
Apparement dans le domaine bioinformatique (reconnaissance de visages) une méthode a été créée plus robuste :

- Le LGBPHS (Local Binary Pattern Histogram Sequence) combinant à la fois Gabor et le LBP. Mais pour une classification do'bjet (hors visages) celà rendra t'il réelement plus pertients les résultats ?

De plus en ce qui concerne l'ACP, Cela apporte t'il une différence en terme de classification de réduire la taille de mes descripteurs images :

- Avant l'apprentissage : du coup tous mes descripteurs sont réduits et seront classer suivant les descripteurs images utilisés pour mon apprentissage.

- Après apprentissage : mon SVM me classifie mes descripteurs originaux (j'ai pas de contrainte de temps donc ça peut tourner) et je réduis les frontières renvoyé par le SVM. Puis j'applique l'ACP sur toutes les autres images (hors apprentissage) pour classer les nouvelles.

Merci d'avance