Réseaux de Neurones Convolutifs : un cortex visuel virtuel pour la reconnaissance d'image

Magazine
Marque
GNU/Linux Magazine
Numéro
230
Mois de parution
octobre 2019
Domaines


Résumé

Plusieurs articles, voire des hors-séries entiers dédiés de votre magazine favori, ont traité différents aspects du Deep Learning et du Machine Learning ou plus exactement, l'apprentissage profond et l'apprentissage automatique [1-6]. Cependant, trop peu d'articles expliquent et détaillent l'élaboration, ainsi que la construction elle-même, d'un réseau de neurones convolutifs, quelle qu'en soit l'application : la reconnaissance d'image, par exemple. Dans cet article, nous allons pallier ce manque en construisant un cortex visuel virtuel, ayant pour but la reconnaissance d'image ou d'objets.


Il existe une multitude d'algorithmes permettant la reconnaissance d'image et/ou d'objets, utilisant ou non les réseaux de neurones convolutifs, dont certains ont fait l'objet de quelques pages dans votre magazine [7-8]. La reconnaissance d'image classique repose sur l'utilisation de caractéristiques particulières appelées features, par exemple les descripteurs SIFT, SURF, BRIEF, ORB... Dans un tel cadre, il est donc indispensable de définir non seulement le ou les descripteurs à utiliser, mais également la manière de les employer et de les exploiter suivant l'application, avec par exemple des classificateurs du type Haar Cascade pour la reconnaissance faciale [7]. L'inconvénient de cette méthode est, bien que pouvant être très efficace, la nécessité du choix de descripteurs adaptés à l'application.

C'est là où les réseaux de neurones convolutifs interviennent. Ces derniers ont l'avantage de détecter et d'extraire automatiquement des caractéristiques propres...

Cet article est réservé aux abonnés. Il vous reste 97% à découvrir.
à partir de 21,65€ HT/mois/lecteur pour un accès 5 lecteurs à toute la plateforme
J'en profite


Articles qui pourraient vous intéresser...

Découvrez la programmation différentiable

Magazine
Marque
GNU/Linux Magazine
Numéro
246
Mois de parution
mars 2021
Domaines
Résumé

La programmation différentiable est une nouvelle façon de penser la programmation. Le principe consiste à considérer tout un programme comme une fonction qu’on puisse différentier, et donc optimiser. Nous allons construire dans cet article les outils de base pour ce faire, et présenter la librairie JAX, qui facilite la tâche.

Scikit-image, une alternative à OpenCV pour la reconnaissance d'images

Magazine
Marque
GNU/Linux Magazine
Numéro
244
Mois de parution
janvier 2021
Domaines
Résumé

Une fois n'est pas coutume, nous allons découvrir et utiliser une alternative à OpenCV, scikit-image communément appelé skimage. Nous implémenterons la reconnaissance d'images avec la méthode des histogrammes de gradients orientés (HOG : Histogram of Oriented Gradients) associée à une machine à vecteurs de support (SVM : Support Vector Machine). Cette méthode est employée dans bien des applications telles que l'automobile, pour la détection de piétons [1].

Intelligence artificielle : la grande méprise

Magazine
Marque
Linux Pratique
Numéro
118
Mois de parution
mars 2020
Domaines
Résumé

Que ce soit dans les salons professionnels, la presse spécialisée ou même les publicités adressées au grand public, on n’échappe pas à l’intelligence artificielle. Pourtant, derrière ce terme, finalement très fourre-tout, il existe une véritable science. Mais entre l’état de l’art et ce qui existe réellement, il y a une différence qui change la donne.