Titre :	Classification de personnes avec ou sans rejet à base du réseau de neurones à champs récepteurs
Type de document :	theses et memoires
Auteurs :	Hocine Zerouki ; Touati Yacine ; Farida Dorbane, Directeur de thèse
Editeur :	Tizi.Ouzou : U.M.M.T.O
Année de publication :	2020
Importance :	63 p.
Présentation :	ill.
Format :	30 cm.
Note générale :	Bibliogr.
Langues :	Français
Mots-clés :	Réseau de neurone  Classification des images  Apprentissage  Reconnaissance de visages  Classification supervisé  Extraction de caractéristiques  Champs récepteurs  Capacité de généralisation
Résumé :	La classification des images est un outil d'organisation et d'analyse de données volumineuses et complexes. L'objectif de la classification des images est d'élaborer un système capable d'affecter un classement automatique d'images. La classification des images consiste à répartir systématiquement des images en classes, marquant ainsi sa parenté avec d'autres images. En effet, il existe deux types de classification selon le caractère supervisé ou non supervisé. La reconnaissance de visages consiste à associer un visage à une identité, elle est effectuée chez les êtres humains d'une façon naturelle et évolutive. Mais, ce n'est pas le cas dans un système artificiel de reconnaissance faciale car le visage humain est sujet aux différents changements de conditions de prises, cette réalité demeurera un grand défi de ces systèmes. Plusieurs méthodes ont été proposées pour la reconnaissance de visages, on distingue trois catégories de méthodes : les méthodes globales, les méthodes locales et les méthodes hybrides. Le principe des méthodes globales est d'utiliser toute la surface du visage comme source d'information sans tenir compte des caractéristiques locales comme les yeux, la bouche, etc. Parmi les approches les plus importantes réunies au sein de cette classe on trouve : les machines à vecteurs de support, les réseaux de neurones. Dans notre travail nous nous sommes intéressés à ce type de méthode et plus précisément à la classification supervisée en utilisant les réseaux de neurones. Ainsi les résultats de la classification dépendent d'une part du choix d'un extracteur approprié qui est une tâche très délicate, et d'autre part du type de classifieur utilisé qui est d'une grande importance pour assurer une bonne reconnaissance, en prenant aussi en considération la contrainte de temps de réponse. Par rapport à toutes ces contraintes, nous avons utilisé, le réseau de neurones à champs récepteurs pour l'image IRF-NN (Image Réceptive Field Neural Networks), en tirant profit de tous ces avantages à savoir : exploitation brute de l'image sans extraction de caractéristiques au préalable, vitesse d'apprentissage rapide, architecture très simple, bonne performance de classification et une bonne capacité de généralisation
En ligne :	D:\CD THESES 2020\RETARDATAIRES\ZEROUKI HOCINE; TOUATI YACINE.PDF
Format de la ressource électronique :	PDF
Permalink :	./index.php?lvl=notice_display&id=36099

Classification de personnes avec ou sans rejet à base du réseau de neurones à champs récepteurs [theses et memoires] / Hocine Zerouki ; Touati Yacine ; Farida Dorbane, Directeur de thèse . - Tizi.Ouzou (Tizi.Ouzou) : U.M.M.T.O, 2020 . - 63 p. : ill. ; 30 cm.
Bibliogr.
Langues : Français

Mots-clés :	Réseau de neurone  Classification des images  Apprentissage  Reconnaissance de visages  Classification supervisé  Extraction de caractéristiques  Champs récepteurs  Capacité de généralisation
Résumé :	La classification des images est un outil d'organisation et d'analyse de données volumineuses et complexes. L'objectif de la classification des images est d'élaborer un système capable d'affecter un classement automatique d'images. La classification des images consiste à répartir systématiquement des images en classes, marquant ainsi sa parenté avec d'autres images. En effet, il existe deux types de classification selon le caractère supervisé ou non supervisé. La reconnaissance de visages consiste à associer un visage à une identité, elle est effectuée chez les êtres humains d'une façon naturelle et évolutive. Mais, ce n'est pas le cas dans un système artificiel de reconnaissance faciale car le visage humain est sujet aux différents changements de conditions de prises, cette réalité demeurera un grand défi de ces systèmes. Plusieurs méthodes ont été proposées pour la reconnaissance de visages, on distingue trois catégories de méthodes : les méthodes globales, les méthodes locales et les méthodes hybrides. Le principe des méthodes globales est d'utiliser toute la surface du visage comme source d'information sans tenir compte des caractéristiques locales comme les yeux, la bouche, etc. Parmi les approches les plus importantes réunies au sein de cette classe on trouve : les machines à vecteurs de support, les réseaux de neurones. Dans notre travail nous nous sommes intéressés à ce type de méthode et plus précisément à la classification supervisée en utilisant les réseaux de neurones. Ainsi les résultats de la classification dépendent d'une part du choix d'un extracteur approprié qui est une tâche très délicate, et d'autre part du type de classifieur utilisé qui est d'une grande importance pour assurer une bonne reconnaissance, en prenant aussi en considération la contrainte de temps de réponse. Par rapport à toutes ces contraintes, nous avons utilisé, le réseau de neurones à champs récepteurs pour l'image IRF-NN (Image Réceptive Field Neural Networks), en tirant profit de tous ces avantages à savoir : exploitation brute de l'image sans extraction de caractéristiques au préalable, vitesse d'apprentissage rapide, architecture très simple, bonne performance de classification et une bonne capacité de généralisation
En ligne :	D:\CD THESES 2020\RETARDATAIRES\ZEROUKI HOCINE; TOUATI YACINE.PDF
Format de la ressource électronique :	PDF
Permalink :	./index.php?lvl=notice_display&id=36099