Auteurs: | » ADJOUDJ Reda » GAFOUR Abdelkader » BOUKELIF Aoued » LEHIRECHE AHMED |
Type : | Chapitre de Livre |
Edition : GRETSI, Saint Martin d'Hères, | ISBN: |
Lien : » http://hdl.handle.net/2042/28618 | |
Publié le : | 01-01-2008 |
Il est souvent utile d’avoir une machine qui effectue la reconnaissance. En particulier, les machines quipeuvent reconnaître des images de visage sont très coûteuses. Effectivement, une machine qui contient unsystème qui peut traiter ou reconnaître plus d’image de visage qu’un opérateur humain. Ce type de systèmefait gagner du temps et de l’argent, et élimine les tâches répétitives pour l’opérateur humain. Cet articlemontre comment un système de reconnaissance des visages peut être réalisé par un réseau de neuronesartificiel de type perception multicouche et par un réseau de neurones à spike. Le système à base de spikeest développé pour acquérir les importantes caractéristiques du visage, pour simuler le système de la visionhumaine et pour optimiser le temps de calcul, ce dernier objectif c’est la principale force derrière ledéveloppement des systèmes à base des réseaux de neurones à spike. Avec ce derniers système, lesmeilleurs résultats de reconnaissance ont été obtenus et un gain du temps considérable d’apprentissage a étéenregistré. Dans ce cas-ci, le système à base de réseau neurones à spike a enregistré un taux dereconnaissance de 92.10 %, 95.00 % et de 93,10 % avec un temps maximum d’apprentissage de 150 ms(milliseconde) pour les trois bases de données utilisées lors des tests, comparé au premier système, où letaux de reconnaissance est de 71.05 %, 77.50 % et de 73.89 %, avec un temps maximum d’apprentissage de2 heures 17min 45s. Cela fait, que le système de reconnaissance à base des spikes est meilleur. A noter quel’apprentissage du réseau sur différents ensembles d’images lui force à apprendre comment il se comportevis-à -vis la variété des visages, un problème commun dans le monde réel...