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

Introduction Générale

Le problème de la détection de visages a été posé comme une étape indispensable précédente à la reconnaissance de visages, qui fait partie d'un problème plus vaste et très répandu : La reconnaissance de formes (pattern recognition) dans le domaine de l'ingénierie et particulièrement de la vision par ordinateur, car elle permet la description et la classification de mesures.

Parmi ses applications, on peut citer la sécurité d'accès, la télésurveillance, les robots intelligents (auto contrôle des passagers dans les gares, auto contrôle d'accès à des zones privées ou dangereuses,...) et les systèmes d'Interface Homme Machine (identification de l'utilisateur par capture d'image)...

Différentes approches ont été proposées pour remédier le problème de détection de visages, dont nous citons les réseaux de neurones, les méthodes statistiques ou encore celles basées sur la géométrie de visage.etc. D'autres approches hybrides ont combiné deux ou plusieurs techniques afin d'améliorer les résultats atteints.

Parmi ces approches, nous trouvons les réseaux d'ondelettes qui exploitent les avantages des réseaux de neurones et ceux des ondelettes, issus des techniques de traitement du signal.

Dans ce contexte, nous nous intéressons dans ce mémoire, qui comporte quatre chapitres, à l'étude des réseaux d'ondelettes Bêta, basée sur la théorie des frames, pour la détection de visages. De ce fait, une approche est étudiée, implémentée et testée sous « MATLAB ».

Le chapitre 1 est consacré pour l'état de l'art, dans lequel nous présentons le principe de détection de visages et effectuons un survol des différentes techniques existantes dans ce domaine.

Le chapitre 2 est introduit par la technique d'analyse par ondelettes et ses avantages en évoquant les limites de l'analyse de Fourier. Nous décrivons, ensuite, les réseaux de neurones artificiels pour finir avec une présentation des réseaux d'ondelettes. A ce stade, une comparaison entre les réseaux d'ondelettes et d'autres architectures neuronales est détaillée ainsi qu'une exposition des différentes techniques de construction des réseaux d'ondelettes et leurs domaines d'application.

Le chapitre 3 décrit l'approche proposée dans ce mémoire. Nous commencons par une étude détaillée des ondelettes Bêta unidimensionnelle et multidimensionnelle en évoquant la notion des frames. Ensuite, nous décrivons les étapes de la phase d'apprentissage par réseaux d'ondelettes Bêta et sa démarche d'optimisation. La dernière section de ce chapitre est réservée pour détailler notre approche de détection de visages par réseaux d'ondelettes Bêta, basée sur la théorie des frames, en précisant son architecture et ses étapes.

Le chapitre 4 détaille l'implémentation de l'approche proposée. Des expérimentations permettant de préciser certaines propriétés des réseaux d'ondelettes, sont analysées et interprétées. Enfin, des tests sont appliqués, à l'aide d'un prototype, sur différentes images et des tableaux récapitulatifs sont dégagés suite à cette implémentation pour montrer la contribution apportée par ce travail dans le domaine de la détection de visages.

Enfin, ce mémoire est clôturé par une conclusion générale sur l'approche traitée, ainsi que quelques perspectives visant l'amélioration des résultats obtenus.

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








"Ceux qui vivent sont ceux qui luttent"   Victor Hugo