R�gression logistique pour la classification d'images � grande �chelle
Résumé
Nous pr�sentons un nouvel algorithme parall�le de r�gression logistique
(PAR-MC-LR) pour la classification d'images � grande �chelle. Nous proposons
plusieurs extensions de l'algorithme original de r�gression logistique �
deux classes pour en d�velopper une version efficace pour les grands ensembles
de donn�es d'images avec plusieurs centaines de classes. Nous pr�sentons un
nouvel algorithme LR-BBatch-SGD de descente de gradient stochastique de r�gression
logistique en batch �quilibr� avec un apprentissage parall�le (approche
un contre le reste) multi-classes sur de multiples coeurs. Les r�sultats exp�rimentaux
sur des ensembles de donn�es d'ImageNet montrent que notre algorithme
est efficace compar�s aux algorithmes de classification lin�aires de l'�tat de l'art.