La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Applications des réseaux de neurones en reconnaissance de formes et en vision par ordinateur Synthèse.

Présentations similaires


Présentation au sujet: "Applications des réseaux de neurones en reconnaissance de formes et en vision par ordinateur Synthèse."— Transcription de la présentation:

1 Applications des réseaux de neurones en reconnaissance de formes et en vision par ordinateur Synthèse

2 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 2 Espace d'entrée X Extraction des primitives Espace des primitives Y Système de décision Espace des décisions D 1- Reconnaissance de formes

3 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 3 n Apprentissage supervisé: rétro-propagation du gradient derreur

4 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 4 Sonar Travaux de Sejnowski & Gorman, 1988 Pré-traitement: TFD Apprentissage: spectres en fréquence

5 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 5 Approximation complexe: conduite dun véhicule motorisé 1217 unités à gaucheà droite route + claire ou + foncée = 256 = 960 (dans le bleu)

6 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 6 Approximation complexe: conduite de véhicule motorisé Projet développé à Carnegie-Mellon Apprentissage: 1200 images présentées 40 fois chacune. Les images représentent une grande diversité de courbes, dintensité et de distortion. Lapprentissage dure ~30 min. Résultats: Le meilleur à … ~5 km/hrs dans une route boisée.

7 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 7 Classification de chiffres manuscrits

8 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 8

9 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 9 n Classification de chiffres: Mémoire associative (réseau de Hopfield)

10 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 10 n Structure du ART 1 F 2 Catégories j RAZ G1G1 G2G2 F 1 Caractéristiques i

11 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 11 = 0,9 = 3 et plus nouvelle catégorie dans F2

12 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 12 n Classification de polices: Kohonen

13 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 13

14 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 14 n Classification de lettres

15 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 15 n Classification de lettres: 2 approches

16 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse Vision par ordinateur

17 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 17 Modèle algorihmique du système de vision

18 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 18 n 2.1 Extraction des primitives

19 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 19 Caractéristiques de scène projetées sur limage déclairement

20 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 20 Approximation du gradient

21 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 21 Détection des arêtes orientées

22 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 22 Système BCS de Grossberg

23 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 23 Extraction par apprentissage supervisé Extraction des primitives Sous-image pour lapprentissage

24 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse Choix dune base dapprentissage 586 vecteurs 3x3 dapprentissage sont sélectionnés (distance euclidienne plus grande que 0,17)

25 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse Construction du réseau Réseau à rétro-propagation N I = 3x3 N h = 6 N o = 1 Entrée Couche cachée Sortie (arête)

26 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse Apprentissage 4- Généralisation

27 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 27 n 2.2 Stéréoscopie

28 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 28 Géométrie

29 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 29 Mesure de disparité

30 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 30 Compétition entre les neurones de disparité

31 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 31 Mesure de la disparité résultante

32 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse Télédétection Cellular Neural Network for Automated Detection of Geological Lineaments on Radarsat Images Richard Lepage, Rouhana G. Rouhana, Benoît St-Onge, Rita Noumeir, and Robert Desjardins IEEE Transactions on Geoscience and Remote Sensing, Vol. 38, No. 3, p , May 2000

33 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 33 Linéaments n Qualité visuelle n Direction consistante n Continuité sur une longue distance Longs éléments rectilignes ou curvilignes indiquant des phénomènes géologiques

34 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 34 Réseau neuronique cellulaire Grande matrice de cellules identiques ä Connexions locales avec les cellules voisines ä Cellules adjacentes: effet direct ä Cellules non adjacentes: effet indirect Avantage : Adapté aux algorithmes de vision

35 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 35 n Structure en treillis du réseau cellulaire

36 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 36 n Élément de calcul à chaque noeud

37 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 37 n Nœud à chaque pixel

38 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 38 n Modèle à grand voisinage circulaire ä Chaque pixel: –induit un champs de gradient dans un voisinage circulaire –applique un effet dinhibition sur lui même ä Le rayon de voisinage diminue avec une certaine vitesse et un certain pas

39 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 39 P e A B e e D C e e e' = e cos n Champ dinduction circulaire

40 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 40 P e A B D C Q e = e I II e<< e Sélectivité circulaire: e' = e cos Sélectivité directionnelle: e' = e cos 3 n Champ directionnel dinduction: comparaison avec le champ circulaire

41 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 41 n Résultats: région de Charlevoix

42 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 42 Image Radarsat dimensions : 768x768 précision : 9m

43 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 43 Détection classique: masque de Sobel directionnel

44 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 44 Détection par réseau neuronique cellulaire à induction directionnelle

45 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse Inspection automatisée Projet de coopération franco-québécoise ÉTS - INSA de Lyon

46 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 46 CCD CAMÉRA INSPECTION entraî- Mémoire associative Rapport d'inspection CAO géon 2D géon 3D nement Base de données Modèles CAO Descriptions géons Images 2D Images 3D n Contexte de l'inspection

47 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 47 Étapes n Construction dune banque de données ä choix de pièces étalons ä représentations CAO –volumétrique (CSG) –surfacique (STL et B-Rep) ä conversion en géons (à partir du format neutre de fichier) ä image 3D des objets –balayage laser (CNRC) –machine à mesurer coordonnées

48 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 48 n Extraction des géons à partir de la caméra CCD n Mise en registre ä représentation CAO (STL) et image 3D ä représentation CAO (NURBS) et image 3D n Sélection rapide par mémorisation associative des géons constituants

49 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 49 CCD CAMÉRA INSPECTION entraî- Base de données modèles CAO Images 2D Images 3D Mémoire associative CAO géon 3D nement Descriptions géons n Base de données

50 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 50 Pièce 1Pièce 2Pièce 3Pièce 4Pièce 5 Pièce 6Pièce 7Pièce 8Pièce 9Pièce 10 n Pièces de la base de données

51 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 51 courbe COURBURE DE L'AXE droit TYPE D'ARÊTES GÉNÉRATRICES droites courbes rotationnelle SYMÉTRIE DE LA SECTION réflective et réflective asymétrie FONCTION DE BALAYAGE constante variable hybrides MATÉRIALITÉ solide creux n Représentation visuelle par géons

52 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 52 au dessus Exemple de décomposition en géons

53 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 53 Attributs des géons n Type ä positif ä négatif n Axe ä droit ä incurvé n Symétrie du profil ä réflective ä réflective et rotationnelle ä asymétrique

54 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 54 n Types d'arêtes du profil ä droites ä courbes ä hybrides n Dimension du profil ä contante ä variable

55 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 55 n Attribut de connectivité entre deux géons ä 1: axes colinéaires (géons bout-à-bout) ä 2: axes à angle (jonction en T) ä 3: axes parallèles (côte à côte, inclusif) ä 4: axes croisés (jonction en X) ä 5: axes confondus (géons concentriques)

56 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 56 CCD Base de données modèles CAO Mémoire associative 2D géon n Extraction des géons dune image 2D

57 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 57 n Images 2D ä Problématique –Occlusions –Réflets de lumière sur les pièces métalliques –Jonctions manquantes, traits discontinus –Géons de forme imprévisible :

58 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 58 entraî- Base de données modèles CAO Images 2D Images 3D CAO géon nement Descriptions géons n Conversion CAO en géons

59 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 59 ä Entrée : fichier de données CAO –format neutre (logiciel de conception assistée par ordinateur ProEngineer) –B-Rep F(E) o surfaces frontières o arêtes limitrophes ä Conversion F(E) à F(L(E(V))) –Fsurface –Lboucles –Earêtes –Vsommet

60 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 60 ä Extraction des géons par analyse des boucles internes –un géon correspond à un élément symbolique dans KBV o attributs o relation spatiale avec les voisins

61 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 61 CCD entraî- Base de données modèles CAO Mémoire associative CAO géon 2D géon nement n Mémoire associative

62 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 62 ä Type : Analyse syntaxique + Kohonen –Algorithme Shift-Reduce –Ex.: The boy who liked the girl | | article nom \ / sujet –Réseau de type SARDSRN o Utilise une carte topologique de Kohonen pour représenter les divers états du système o Décroissance temporelle de lactivation des anciennes instances

63 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 63 ä Réseau pour tenir compte de la connectivité Couche cachéeCopie Attributs de connectivité Attributs des géons Cartes Kohonen

64 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 64 ä Apprentissage –La base d'apprentissage est constituée de l'ensemble des modèles CAO convertis en modèle visuel perceptuel par géons ä Sortie –Chaque neurone de sortie pointe vers un des modèles CAO de la base de données. Les neurones activés représentent les modèles CAO les plus probables.

65 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 65 ä Activation –Progressive. Les neurones de sortie s'activent de plus en plus au fur et à mesure que l'information se précise à l'entrée. –L'information à l'entrée est fournie graduellement, au rythme de l'extraction des géons dans l'image d'entrée.

66 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 66 CAMÉRA INSPECTION Rapport d'inspection 3D Base de données Modèles CAO n Inspection

67 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 67 ä Mise en registre –Les mesures 3D provenant de la caméra 3D par balayage laser sont comparées avec chacun des modèles CAO identifiés par le réseau associatif –Chacun des modèles CAO est transformé pour minimiser un signal d'appariement –Un rapport d'inspection est généré à la suite des mesures de comparaison avec le modèle CAO finalement sélectionné

68 GPA-779 Application des réseaux de neurones et des systèmes experts synthèse - 68 ä Vérification de tolérance –Planéité –Parallélisme –Perpendicularité, inclinaison, forme ä Numérisation –Trajectoire optimale de la caméra (position optimale de la tête de numérisation)


Télécharger ppt "Applications des réseaux de neurones en reconnaissance de formes et en vision par ordinateur Synthèse."

Présentations similaires


Annonces Google