la reconnaissance de visages Réseaux de neurones artificiels

INTRODUCTION SOMMAIRE Introduction Reconnaissance de formes et réseaux de neurones Méthode k-ppv Méthode neurones discriminant Méthode neurones modélisation Identification de personnes Base de données Résultats Détection de visages Étapes de détection Application ASIMO Conclusion

RECONNAISSANCE DE FORMES ET RESEAUX DE NEURONES SOMMAIRE Introduction Reconnaissance de formes et réseaux de neurones Méthode k-ppv Méthode neurones discriminant Méthode neurones modélisation Identification de personnes Base de données Résultats Détection de visages Étapes de détection Application ASIMO Conclusion Que signifie k-ppv ? K-ppv pour « K plus proche voisin » Fonctionnement Mesurer les « différences » entre l’image à tester et toutes les images de la base Avantages Programmation très rapide Temps d’accès aux informations immédiates Incrémentalité facile Inconvénients Temps de calcul

RECONNAISSANCE DE FORMES ET RESEAUX DE NEURONES SOMMAIRE Introduction Reconnaissance de formes et réseaux de neurones Méthode k-ppv Méthode neurones discriminant Méthode neurones modélisation Identification de personnes Base de données Résultats Détection de visages Étapes de détection Application ASIMO Conclusion Qu’est ce que cette méthode Utilisation d’un unique réseau de neurones Entrées et Sorties 225 nrs 10 à 100 nrs 33 nrs Image inconnue Paul Sophie Robert Avantages Inconvénients Temps de calcul Apprentissage très long Taille des données stockées Incrémentalité

RECONNAISSANCE DE FORMES ET RESEAUX DE NEURONES SOMMAIRE Introduction Reconnaissance de formes et réseaux de neurones Méthode k-ppv Méthode neurones discriminant Méthode neurones modélisation Identification de personnes Base de données Résultats Détection de visages Étapes de détection Application ASIMO Conclusion Qu’est ce que cette méthode Utilisation de réseaux de type diabolo Entrées et Sorties Sophie La meilleure méthode…

IDENTIFICATION DE PERSONNES SOMMAIRE Introduction Reconnaissance de formes et réseaux de neurones Méthode k-ppv Méthode neurones discriminant Méthode neurones modélisation Identification de personnes Base de données Résultats Détection de visages Étapes de détection Application ASIMO Conclusion Une base de données importante 33 personnes différentes X 38 postures X 37 transformations = Base de données de 46398 images Base d’apprentissage Base de validation Base de test 55% 20% 25%

IDENTIFICATION DE PERSONNES SOMMAIRE Introduction Reconnaissance de formes et réseaux de neurones Méthode k-ppv Méthode neurones discriminant Méthode neurones modélisation Identification de personnes Base de données Résultats Détection de visages Étapes de détection Application ASIMO Conclusion La solution retenue : Le réseau Diabolo La meilleure vitesse d’identification La simplicité d’incrémentalité Le temps d’apprentissage le plus court Une amélioration : la coopération neuronale Ajout de réseaux discriminants en sortie Simplifier l’étage de modélisation Tableau des résultats 10 jours 10 heures 3 heures

DETECTIONS DE VISAGES SOMMAIRE Introduction Reconnaissance de formes et réseaux de neurones Méthode k-ppv Méthode neurones discriminant Méthode neurones modélisation Identification de personnes Base de données Résultats Détection de visages Étapes de détection Application ASIMO Conclusion

Vidéo de présentation… APPLICATION SOMMAIRE Introduction Reconnaissance de formes et réseaux de neurones Méthode k-ppv Méthode neurones discriminant Méthode neurones modélisation Identification de personnes Base de données Résultats Détection de visages Étapes de détection Application ASIMO Conclusion Qu’est ce qu’ASIMO ? Vidéo de présentation…

Merci de votre attention ! CONCLUSION SOMMAIRE Introduction Reconnaissance de formes et réseaux de neurones Méthode k-ppv Méthode neurones discriminant Méthode neurones modélisation Identification de personnes Base de données Résultats Détection de visages Étapes de détection Application ASIMO Conclusion Merci de votre attention !