WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Reconnaissance de visages par Analyse Discriminante Linéaire(LDA )

( Télécharger le fichier original )
par Amira Chiheb
Université du 8 mai 45 de Guelma Algérie - Licence en informatique 2003
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

II.5.Test et Evaluation:

Pour tester l'efficacité de notre système nous avons créé deux nouvelles bases de test et d'apprentissage à partir de la base Yale, cette création c'est une simple sélection de visages à partir de la base originale (Yale data base) :

Ø La première base est composée de 105 images d'apprentissages et 60 pour le test et cela a conduit à des résultats qui sont illustrés dans le tableau suivant :

Temps d'apprentissage= 4sec

Taux de reconnaissance (%)

Taux d'erreur(%)

Base d'apprentissage (105 visages)

100%

0%

Base de test (60 visages)

36,66%

63,44%

Tableau III-1 : Résultat obtenu sur la 1ere base de donnée

Ø La deuxièmebase est composée de 20 images d'apprentissages et 10 pour le test, les résultats sont illustrés dans le tableau suivant :

Temps d'apprentissage= 1sec

Taux de reconnaissance (%)

Taux d'erreur(%)

Base d'apprentissage (20)

100%

0%

Base de test (10)

60%

40%

Tableau III-2 : Résultat obtenu sur la2eme base de donnée

II.6. Discussion des résultats :

La méthode LDA que nous avons appliqué donne de bons résultats quand le nombre d'images d'apprentissages est limité (Tableau III-2), et donne de mauvais résultats lorsque le nombre d'images d'apprentissages augmente (Tableau III-1).

Ce problème est souvent reconnu en littérature sous le nom SSS ( Small Sample Size).

Conclusion:

Dans ce chapitre, nous avons illustré l'architecture globale de notre système dereconnaissance de visages basé sur la LDA et les détails des fonctions qui le composent, ainsi que le langage qui assure son fonctionnement.Et à travers les tests obtenus on peut dire que la performance du système repose sur un critère, qui est le bon choix des images d'apprentissages.

Conclusion Générale et perspectives

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"L'ignorant affirme, le savant doute, le sage réfléchit"   Aristote