La reconnaissance des visages: une comparaison entre les réseaux des neurones compétitifs et les réseaux des neurones à spike

Show full item record

Files in this item

PDF 01•Adjoudj-Gajour(2007028).pdf 5.684Mb

Pour citer ce document :
URI: http://hdl.handle.net/2042/28618
Title: La reconnaissance des visages: une comparaison entre les réseaux des neurones compétitifs et les réseaux des neurones à spike
Author: ADJOUDJ, Réda; GAFOUR, Abdel-Kader; BOUKELIF, Aoued; LEHIRECHE, Ahmed
Abstract: Il est souvent utile d’avoir une machine qui effectue la reconnaissance. En particulier, les machines qui peuvent reconnaître des images de visage sont très coûteuses. Effectivement, une machine qui contient un système qui peut traiter ou reconnaître plus d’image de visage qu’un opérateur humain. Ce type de système fait gagner du temps et de l’argent, et élimine les tâches répétitives pour l’opérateur humain. Cet article montre comment un système de reconnaissance des visages peut être réalisé par un réseau de neurones artificiel de type perception multicouche et par un réseau de neurones à spike. Le système à base de spike est développé pour acquérir les importantes caractéristiques du visage, pour simuler le système de la vision humaine et pour optimiser le temps de calcul, ce dernier objectif c’est la principale force derrière le développement des systèmes à base des réseaux de neurones à spike. Avec ce derniers système, les meilleurs résultats de reconnaissance ont été obtenus et un gain du temps considérable d’apprentissage a été enregistré. Dans ce cas-ci, le système à base de réseau neurones à spike a enregistré un taux de reconnaissance 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 le taux de reconnaissance est de 71.05 %, 77.50 % et de 73.89 %, avec un temps maximum d’apprentissage de 2 heures 17min 45s. Cela fait, que le système de reconnaissance à base des spikes est meilleur. A noter que l’apprentissage du réseau sur différents ensembles d’images lui force à apprendre comment il se comporte vis-à-vis la variété des visages, un problème commun dans le monde réel...
Description: Face recognition is the process of the automatic recognition of the person’s identity based on individual informations that are included in face image. This technique makes the face recognition possible, to use the person’s image, to verify their identity and control access to services such as e-commerce, internet access, physical access control, cellular phones, border control, passport control, database access services, information services, security control for confidential information areas, and remote access to computers. This document demonstrates how a face recognition system can be designed by a conventional artificial neural network and by another more recent neural network, which is called Spike neural network. The latter is developed to capture the important characteristics of the face, to simulate the human visual system and to optimise the computational time, this last characteristic has been one of the driving forces behind the development of spike neural networks. This kind of neural networks has scored a perfect recognition rate of 92.10 %, 95.00 % and 93.10 %, with a maximum training time of 150ms for the three databases, compared to the case when the artificial neural network is applied, where the rate was 71.05 %, 77.50 % and 73.89 %, with a maximum training time of 2 hours 17 min 45 s. Note that the training process of the two networks, on different sets of noisy images, forced the two networks to learn how to deal. In this case, a common problem in the real world.
Subject: Biométrie; réseau de neurones artificiel; réseau de neurones à spike; reconnaissance des formes; Biometric; Pattern Recognition; Artificial Neural Network; Spike Neural Network; Image processing
Publisher: GRETSI, Saint Martin d'Hères, France
Date: 2008

This item appears in the following Collection(s)

Show full item record





Advanced Search