Institut de sciences et technologies Département d’informatique Rapport sur le projet de fin d’études Master Option : Ingénierie des Systèmes Informatiques Thème:  Les réseaux de neurones à réservoir en traitement d’images Présenté par: Bouchikhi Mohammed Abdelhak Encadre par: Dr. B.Meftah

Plan de travail Introduction Réseaux de neurone Réservoir Computing Traitement d’images Conclusion

Introduction Les réseaux de neurones sont des ensembles d'opérateurs non linéaires interconnectés. Réservoir computing est un réseau de neurone contient un réservoir Utilisée en: traitement d’images classification robotique Réseau de neurone – Réservoir computing –traitement D’image

I. Réseaux de neurone Neurone biologique Neurone artificiel Fonction d’activation Topologie des réseaux de neurone Apprentissage Procédure de conception d'un réseau de neurones Réseau de neurone – Réservoir computing –traitement D’image

Neurone biologique dendrites axone synapse dendrites Noyau Noyau Neurone biologique est une cellule nerveuse qui compose de: dendrites, Noyau, Axone et Synapse. dendrites Noyau axone Noyau synapse dendrites Réseau de neurone – Réservoir computing –traitement D’image

Entrées( dendrites +synapses) Neurone artificiel Neurone artificiel est la modélisation mathématique du neurone biologique X1 X2 Xn Entrées( dendrites +synapses) Dendrites Corps cellulaire seuillage Axone sommation Sortie( axone) Réseau de neurone – Réservoir computing –traitement D’image

Fonction d’activation sert à introduire une non linéarité dans le fonctionnement du neurone. S f Fonction linéaire avec seuil Fonction linéaire sans Saturation Fonction sigmoïde ƒ 1(s) = Réseau de neurone – Réservoir computing –traitement D’image

Topologie des reseaux de neurone Les réseaux de neurones Les réseaux statiques Les réseaux récurrents Réseau de neurone – Réservoir computing –traitement D’image

Topologie des reseaux de neurone Les réseaux statiques sont constitués d’une couche d’entrée, une couche de sortie et entre les deux au moins une couche S Couche d’entrée Couche cachée 1 Couche cachée 2 Couche de sortie W1 W2 W3 X1 X2 X3 X4 Réseau de neurone – Réservoir computing –traitement D’image

Topologie des reseaux de neurone Les réseaux dynamiques contiennent des rebouclages partiels ou totaux. Réseau de neurone – Réservoir computing –traitement D’image

Supervisés non supervisés Apprentissage La modification du comportement du réseau jusqu'à l'obtention du comportement désiré. Apprentissage Supervisés non supervisés Réseau de neurone – Réservoir computing –traitement D’image

Apprentissage Apprentissage supervisés: superviseur réseau sortie désirée sortie obtenue erreur ENTREES Réseau de neurone – Réservoir computing –traitement D’image

Apprentissage Apprentissage non supervisés: réseau sortie obtenue ENTREES Réseau de neurone – Réservoir computing –traitement D’image

Procédure de conception d'un réseau de neurones Choix des échantillons. Elaboration de la structure du réseau.  Apprentissage.  Validation. Réseau de neurone – Réservoir computing –traitement D’image

Réservoir computing Definition Modèles de réservoir computing Echo state network Apprentissage d’echo state network Réseau de neurone – Réservoir computing –traitement D’image

Définition Réservoir computing: est un réseau récurrents contient une couche d’entrée, un réservoir et une couche de sortie. Le réservoir: est un ensemble neurones connectés aléatoirement. Réseau de neurone – Réservoir computing –traitement D’image

Modèles de réservoir computing Les machines à états liquides. Les réseaux à états échoïques. Réseau de neurone – Réservoir computing –traitement D’image

Modèles de réservoir computing Les machines à états liquides: explique comment un flot continue d’entrées changeant rapidement au cours du temps Réseau de neurone – Réservoir computing –traitement D’image

Modèles de réservoir computing Les réseaux à états échoïques : est un réseau de neurone a réservoir possède la propriété d’états échoïques . Réseau de neurone – Réservoir computing –traitement D’image

Echo state network Réseau de neurone – Réservoir computing –traitement D’image

Apprentissage d’echo state network Les donnes: (u(1), d(1)), ..., (u(T), d(T)) Résultats que nous voulons obtenus: Réseau de neurone – Réservoir computing –traitement D’image

Apprentissage d’echo state network intialiser: Ajouter dans une matrice M Ajouter dans une matrice T Calculer selon l’équation: Réseau de neurone – Réservoir computing –traitement D’image

Traitement d’images Definition Notions générales Etapes de traitement d’images Segmentation d’images  Réseau de neurone – Réservoir computing –traitement D’image

Definition l’ensemble des traitement appliquer sur l’image Réseau de neurone – Réservoir computing –traitement D’image

Notions générales Image Numérique Pixels Image en niveaux de gris Image couleur Binarisation Réseau de neurone – Réservoir computing –traitement D’image

Notions générales Image Numérique: une ensemble de points sur une surface plane. Pixels: intersection entre une ligne et une cologne d’une image matricielle Image en niveaux de gris: est une Image à 256 couleurs Réseau de neurone – Réservoir computing –traitement D’image

Notions générales Image couleur: est une matrice de trois demenssion (Rouge, Vert, Bleu). Binarisation: codée une image sur deux niveaux de gris Réseau de neurone – Réservoir computing –traitement D’image

Etapes de traitement d’images Prétraitement des images. Amélioration des images. Analyse des images. Interprétation des images. Réseau de neurone – Réservoir computing –traitement D’image

Etapes de traitement d’images Prétraitement des images: corriger les défauts pour obtenir l'image théorique que l'on aurait du acquérir . Amélioration des images: pour but d'améliorer la visualisation des images. Analyse des images: d'extraire et de mesurer certaines caractéristiques de l'image. Interprétation des images: donne une signification à l'information. Réseau de neurone – Réservoir computing –traitement D’image

Segmentation d’images Segmentation basée sur les pixels. Segmentation basée sur les contours. Segmentation basée sur les régions. Réseau de neurone – Réservoir computing –traitement D’image

Segmentation d’images Segmentation basée sur les pixels: est une approche basique pour déterminer une région Réseau de neurone – Réservoir computing –traitement D’image

Segmentation d’images Segmentation basée sur les contours: un détecteur de contour passe par 3 étapes (Lissage, Différentiation, Correction). Réseau de neurone – Réservoir computing –traitement D’image

Segmentation d’images Segmentation basée sur les régions: consiste à créer des sous-ensembles de l'image (régions). Réseau de neurone – Réservoir computing –traitement D’image

Conclusion On a exploité les réseaux de neurones et en particulier les réseaux de neurones à réservoirs. L’objectif à atteindre dans le futur est de mettre en relation les ESN avec le processus de classification d’images. Réseau de neurone – Réservoir computing –traitement D’image