Vers une utilisation améliorée de relations spatiales pour l'apprentissage de données dans les modèles graphiques

Résumé. Nous nous intéressons dans cet article aux représentations des relations spatiales pour l’extraction d’information et la modélisation des données visuelles, en particulier dans le contexte de la catégorisation d’images. Nous montrons comment la prise en compte d’une relation spatiale entre deux éléments entraîne l’apparition d’une information supplémentaire entre ces éléments et le reste de l’ensemble à modéliser, ce qui est rarement exploité explicitement. Une représentation floue des relations dans unmodèle graphique est bien adaptée pour les algorithmes d’apprentissage utilisés actuellement et permet d’intégrer ce type d’information complémentaire qui concerne l’absence d’une interaction plutôt que sa présence. Nous tentons d’évaluer les bénéfices de cette approche sur un problème de traitement d’images.