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

 > 

Apprentissage des réseaux d'ondelettes bêta basé sur la théorie des frames : application à  la détection de visages

( Télécharger le fichier original )
par Faouzi Hajjem
Université de Gabés - Mastère de recherche en informatique 2008
  

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

Liste des figures

Figure 1.1 : Exemple d'images comportant un seul visage 13

Figure 1.2 : Exemple d'images comportant plusieurs visages 14

Figure 1.3 : Modèle géométrique du visage 16

Figure 1.4 : Exemple de la détection de visages de Schneiderman and Kanade 20

Figure 1.5 : Le système de Rowley et al. (IEEE1998) 21

Figure 1.6 : L'architecture proposée par I. Boaventura et al 23

Figure 2.1 : Quelques exemples d'ondelettes 1D 29

Figure 2.2 : Exemple d'une ondelette dilatée et translatée 30

Figure 2.3 : Exemple d'une ondelette 2D 30

Figure 2.4 : Structure d'un neurone 34

Figure 2.5 : La synapse d'un neurone 34

Figure 2.6 : Perceptron Multicouches à une couche cachée 36

Figure 2.7 : Un réseau à fonction radiale de base 38

Figure 2.8 : Modèle1 de réseaux d'ondelettes 40

Figure 2.9 : Modèle2 de réseaux d'ondelettes 41

Figure 3.1 : Exemple de l'ondelette Bêta2D 47

Figure 3.2 : Exemples de la dérivée première de l'ondelette Bêta1D 48

Figure 3.3 : Exemples de la dérivée seconde de l'ondelette Bêta1D 48

Figure 3.4 : L'ondelette Bêta2D et le filtre associé 49

Figure 3.5 : Exemples de la dérivée 1ére & 2éme de l'ondelette Bêta2D 49

Figure 3.6 : Représentation des bases orthogonale, biorthogonale et frame 51

Figure 3.7 : Les sept premières ondelettes de la bibliothèque et un signal à analyser 52

Figure 3.8 : Architecture de l'approche proposée 56

Figure 3.9 : Modèle illustrant la démarche d'apprentissage adoptée 58

Figure 3.10: Modèle illustrant la démarche de détection adoptée 61

Figure 4.1: Interface de l'application de détection de visages développée 64

Figure 4.2: Interface d'insertion d'une nouvelle image de test 65

Figure 4.3: Interface d'ajustement des paramètres de la détection 65

Figure 4.4: Interface représentant le menu d'aide 65

Figure 4.5: Exemples d'images d'apprentissage de la classe Visage 66

Figure 4.6: Exemples d'images d'apprentissage de la classe Non-Visage 67

Figure 4.7: Application de détection de visages sur une image à un seul visage 67

Figure 4.8: Exemples de détection dans une image contenant un seul visage 68

Figure 4.9: Exemples de détection dans une image contenant plusieurs visages 69

Liste des tableaux

Tableau 4.1: Les valeurs du PSNR de la classe Visage et de la classe Non-Visage 67

Tableau 4.2 : Calcul de performances de l'approche proposée 70

Tableau 4.3 : Calcul de performances en fonction du PSNR 71

Abréviations

v Bêta1D : Ondelette Bêta unidimensionnelle

v Bêta2D : Ondelette Bêta bidimensionnelle

v DE : Distance Euclidienne

v DFFS : Distance From Face Space

v EQM : Erreur Quadratique Moyenne

v HMM : Hidden Markov Model

v HSV : Hue Saturation Value

v IHM: Interface Homme Machine

v K-PPV : K- Plus Proches Voisins

v NRGB (RVBN) : Normal Red Green Blue

v PCA : Principal Components Analysis

v PDBNN: Probabilistic Decision Based Neural Networks

v PMC: Perceptron MultiCouche

v PSNR : Peak Signal Noise Ratio

v RBF : Radial Basis Function

v RGB(RVB) : Red Green Blue (Rouge Vert Bleu)

v SVM: Support Vector Machine

v TF : Transformée de Fourier

v TSL : Tint Saturation Luminance

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





Changeons ce systeme injuste, Soyez votre propre syndic





"I don't believe we shall ever have a good money again before we take the thing out of the hand of governments. We can't take it violently, out of the hands of governments, all we can do is by some sly roundabout way introduce something that they can't stop ..."   Friedrich Hayek (1899-1992) en 1984