les Thèses Soutenues à l'USTO MB
vous cherchez une thèse?
A partir de cette page vous pouvez :
Retourner au premier écran avec les dernières notices... | Votre compte |
Détail de l'auteur
Auteur NEGGAZ Imène
Documents disponibles écrits par cet auteur
Faire une suggestion Affiner la rechercheSélection d’attributs par les techniques d’optimisation appliquée à l’analyse de visage humain / NEGGAZ Imène
Titre : Sélection d’attributs par les techniques d’optimisation appliquée à l’analyse de visage humain Type de document : document électronique Auteurs : NEGGAZ Imène, Auteur Année de publication : 2021-2022 Accompagnement : CD Langues : Français (fre) Catégories : Informatique:Technologie de l’information Mots-clés : L’analyse faciale, Histogramme de gradient orienté, Les descripteurs locaux
LBP, Sélection d’attributs L’algorithme d’optimisation d’Archimède, La matrice de cooccurrence en niveau de gris (GLCM), FEI, GT et Gallagher datasets.Résumé : Au cours des dernières années, la sélection d’attributs est devenue un essor
important dans le domaine d’apprentissage machine et le traitement d’image. La communité
scientifique a été attirée par l’analyse faciale. Cette dernière englobe plusieurs axes comme
la détection de visage, la reconnaissance du genre, la reconnaissance des émotions faciales.
Comme objectif principal, notre étude se base sur la sélection d’attributs en utilisant les
techniques d’optimisation avancées. Le domaine d’analyse faciale marque son potentiel en
trouvant plusieurs applications telles que le développement d’interfaces homme-machine
intelligents et l’amélioration de la sécurité et l’amélioration de vente dans le domaine
économique. Le travail de cette thèse se focalise sur trois volets principaux. Le premier
s’intéresse au module de détection de visage et l’extraction d’attributs pertinents des images.
Les attributs sont extraits à partir de visage en utilisant trois descripteurs : les motifs binaires
locaux LBP, l’histogramme de gradient orienté (HOG) et la matrice de co-occurrence en
niveau de gris (GLCM). Le deuxième axe porte sur la sélection d’attributs en utilisant des
techniques d’optimisation avancées dont le but est de réduire la dimension de vecteurs de
caractéristiques. La sélection d’attributs a été réalisée à l’aide de plusieurs inspirations
comme la théorie de l’intelligence distribuée, les fonctions mathématiques et les lois de la
physique.
L’avantage principal d’intégrer les techniques de sélection d’attributs est de trouver un
compromis entre le temps de réponse et la performance de la classification.
Au niveau de cette thèse, nous avons proposé plusieurs algorithmes comme l’algorithme
d’optimisation d’Archimède (AOA), (AOA), HHO, EO, EPO, SCA, MRFO, MVO et HGSO
qui ont été testés pour la première fois dans le domaine d’analyse faciale, en particulier la
reconnaissance du genre. L’étude expérimentale a été validée par trois corpus : FEI, GT et
Gallagher. Ce dernier représente un vrai challenge car il contient plus de 28000 images. Les
résultats obtenus montrent que AOA-LBP arrive à reconnaître mieux le genre de la base de
données Gallagher avec un taux de 96.08%
Directeur de thèse : FIZAZI Hadria Sélection d’attributs par les techniques d’optimisation appliquée à l’analyse de visage humain [document électronique] / NEGGAZ Imène, Auteur . - 2021-2022 . - + CD.
Langues : Français (fre)
Catégories : Informatique:Technologie de l’information Mots-clés : L’analyse faciale, Histogramme de gradient orienté, Les descripteurs locaux
LBP, Sélection d’attributs L’algorithme d’optimisation d’Archimède, La matrice de cooccurrence en niveau de gris (GLCM), FEI, GT et Gallagher datasets.Résumé : Au cours des dernières années, la sélection d’attributs est devenue un essor
important dans le domaine d’apprentissage machine et le traitement d’image. La communité
scientifique a été attirée par l’analyse faciale. Cette dernière englobe plusieurs axes comme
la détection de visage, la reconnaissance du genre, la reconnaissance des émotions faciales.
Comme objectif principal, notre étude se base sur la sélection d’attributs en utilisant les
techniques d’optimisation avancées. Le domaine d’analyse faciale marque son potentiel en
trouvant plusieurs applications telles que le développement d’interfaces homme-machine
intelligents et l’amélioration de la sécurité et l’amélioration de vente dans le domaine
économique. Le travail de cette thèse se focalise sur trois volets principaux. Le premier
s’intéresse au module de détection de visage et l’extraction d’attributs pertinents des images.
Les attributs sont extraits à partir de visage en utilisant trois descripteurs : les motifs binaires
locaux LBP, l’histogramme de gradient orienté (HOG) et la matrice de co-occurrence en
niveau de gris (GLCM). Le deuxième axe porte sur la sélection d’attributs en utilisant des
techniques d’optimisation avancées dont le but est de réduire la dimension de vecteurs de
caractéristiques. La sélection d’attributs a été réalisée à l’aide de plusieurs inspirations
comme la théorie de l’intelligence distribuée, les fonctions mathématiques et les lois de la
physique.
L’avantage principal d’intégrer les techniques de sélection d’attributs est de trouver un
compromis entre le temps de réponse et la performance de la classification.
Au niveau de cette thèse, nous avons proposé plusieurs algorithmes comme l’algorithme
d’optimisation d’Archimède (AOA), (AOA), HHO, EO, EPO, SCA, MRFO, MVO et HGSO
qui ont été testés pour la première fois dans le domaine d’analyse faciale, en particulier la
reconnaissance du genre. L’étude expérimentale a été validée par trois corpus : FEI, GT et
Gallagher. Ce dernier représente un vrai challenge car il contient plus de 28000 images. Les
résultats obtenus montrent que AOA-LBP arrive à reconnaître mieux le genre de la base de
données Gallagher avec un taux de 96.08%
Directeur de thèse : FIZAZI Hadria Exemplaires
Code-barres Cote Support Localisation Section Disponibilité 1941 02-08-524 Version numérique et papier Bibliothèque Centrale Thèse de Doctorat Exclu du prêt Documents numériques
02-08-524.pdfAdobe Acrobat PDF
BUC USTOMB'Thèses
Service Thèse de la BUC met à votre votre disposition L'ensemble des thèses de doctorat et mémoires de magister soutenues à l'USTO MB
Adresse
BUC USTOMB'ThèsesBibliothèque centrale USTOMB
BP 1505 EL M'Naouer USTO ORAN
Algérie
(213)041627180
contact