Reconnaissance de visage - Page 1

Pour ceux que ca interesse, sur Vie Artificielle.com, l'exposé du principe utilisé par Nec pour reconnaitre des visages.

Ca peut servir sur un robot, par exemple pour faire un robot vengeur qui se defoulerai sur l'arbitre qui lui a refusé l'homologation...

c'est pas très technique comme article, mais très bien illustré

En principe pour ce genre de chose on utilise des réseaux de neuronnes ( perceptron multicouche ) pour reconnaitre les personnes associés aux visages.

Mais c'est quelque chose de très dur à réaliser qui ne marche pas encore parfaitement

Si t'as des infos sur les reseaux neuronaux, envoi toujours, (pour la culture generale...;-)

Si t'as des infos sur les reseaux neuronaux, envoi toujours, (pour la culture generale...;-)

http://s.schuller.free.fr/reseau_neurone/ mais c'est qu'une intro.

il y a des newsgroups en anglais sur le sujet

Microbug :
c'est pas très technique comme article, mais très bien illustré

En principe pour ce genre de chose on utilise des réseaux de neuronnes ( perceptron multicouche ) pour reconnaitre les personnes associés aux visages.

Mais c'est quelque chose de très dur à réaliser qui ne marche pas encore parfaitement

Sans compter la puissance processeur (difficile dans un simple robot), mémoire et qu'il faut lui faire apprendre ^^

bah ec ui demande le plus de temps etc. c l'apprentissage
ce qui bouffe le plus aussi c la rétropropagation (je pense qu'en pratique on ne peut pas s'en passer, mais bon, théoriquement c pas indispensable)

Heu le principe des réseaux de neurones, c'est qu'une fois l'apprentissage fait, c'est très rapide.
Après ce qui peut faire ramer dans cette application précise, c'est la transformation de l'image en donnée (distance entre les yeux; hauteur; ... etc ). Mais le réseau de neurones en lui même, c'est quasi instantanée (sauf ac un processeur VRAIMENT pourri).

./7> heu quand même, a moins de choisir les meilleurs poids au départ...

Microbug: justement le but c'est que si tu met un reseau sur un robot c'est pour qu'il apprennent une fois qu'il est "laché" donc ta interet a avoir un proco qui suive.. Si ton robo est limité a ce qu'il apris avant le départ c'est bof :/

le but de l'apprentissage c qu'il ait une base qui lui dise que l'élément est presque surement dans tel ou tel ensemble.
et ce n'est pas limité comme tu dis, je pense que tu vois mal comment ca fonctionne un réseau de neurones

je crois que ta pas compris non plus ce que je voulais dire ^^


Tu dit que ce qui est consomateur en ressource c'est l'apprentissage, si ton robot n'a pas un proco suffisent poru l'apprentissage, il ne peut que faire de la reconnaissance a partir de ce qu'il a deja appris

l'apprentissage ne se fait pas sur le robot
l'apprentissage sert a ajuster tes poids (qui te permettent de séparer des ensembles)

l'apprentissage peut se faire sur le robot.
Pour des robots capable de faire de la reconnaissance de visage, ça sera toujours des robots avec des pc embarqués à priori (mini carte mere...). Parce qu'il faut pas mal de mémoire, et des bonnes caméras etc...

Pour parler plus du côté traitement d'image, on peut aussi se créer une base de visages - extraction par ACP par exemple - invariante par rotation translation facteur d'échelle, puis pour savoir s'il y a un visage, on projette la photo sur la base et s'il y a un pic, jack-pot...
Le réseau neuronal va en fait faire quelque chose de ce genre sauf qu'on ne sait pas du tout ce qu'il fait effectivement... Ensuite, en ce qui concerne l'apprentissage d'un réseau neuronal, on minimise le carré de l'erreur résiduelle, on peut aussi essayer de minimiser une fonction du même type mais pas forcément convexe qui permet de ne pas accorder un trop gros poids à ce qu'on appelle les outlayers - les erreurs vraiment très fortes -, ce qui permet d'obtenir des systèmes plus robustes - moins sensibles au bruit -. Ce genre de technique est déjà appliquée pour la reconstruction en ACP.