Download or read book Contribution des r seaux de neurones temporels en traitement d images written by Boudjelal Meftah and published by . This book was released on 2017 with total page pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book Contribution des r seaux connexionnistes au traitement d image bas niveau written by Jérôme Loncelle and published by . This book was released on 1990 with total page pages. Available in PDF, EPUB and Kindle. Book excerpt: La thèse expose l'application des modèles connexionnistes au traitement d'images bas niveau. Le modèle utilisé est le réseau multi-couches entrainé avec l'algorithme de rétro-propagation du gradient. Deux problèmes ont été choisis : la détection de contours et la discrimination de textures. Pour chacun d'eux, un état de l'art est établi, et des solutions à base de réseaux de neurones sont proposées. Des comparaisons entre les différentes méthodes sont effectuées. Au niveau connexionniste, l'accent est mis sur l'introduction de connaissances dans les réseaux via l'architecture, le partage des poids et le choix des fonctions de transition des cellules

Download or read book RESEAUX DE NEURONES EN TRAITEMENT D IMAGES DES MODELES THEORIQUES AUX APPLICATIONS INDUSTRIELLES written by Gilles Burel and published by . This book was released on 1991 with total page pages. Available in PDF, EPUB and Kindle. Book excerpt: LES TRAVAUX PRESENTES PORTENT SUR LES RESEAUX DE NEURONES APPLIQUES AU TRAITEMENT DU SIGNAL ET DE L'IMAGE. ON SE PLACE D'EMBLEE DU POINT DE VUE DE L'INDUSTRIEL IMPLIQUE DANS LA RECHERCHE, C'EST-A-DIRE QUE L'ON S'INTERESSE A DES PROBLEMES REALISTES, SANS POUR AUTANT NEGLIGER LA RECHERCHE THEORIQUE. DANS UNE PREMIERE PARTIE, NOUS MONTRONS L'INTERET DES RESEAUX DE NEURONES COMME SOURCE D'INSPIRATION POUR LA CONCEPTION DE NOUVEAUX ALGORITHMES. NOUS PROPOSONS EN PARTICULIER UNE STRUCTURE ORIGINALE POUR LA PREDICTION, AINSI QUE DE NOUVEAUX ALGORITHMES DE QUANTIFICATION VECTORIELLE. LES PROPRIETES DES ALGORITHMES EXISTANTS SONT EGALEMENT ECLAIRCIES DU POINT DE VUE THEORIQUE, ET DES METHODES DE REGLAGE AUTOMATIQUE DE LEURS PARAMETRES SONT PROPOSEES. ON MONTRE ENSUITE LES CAPACITES DES RESEAUX DE NEURONES A TRAITER UN VASTE CHAMP D'APPLICATIONS D'INTERET INDUSTRIEL. POUR DIVERS PROBLEMES DE TRAITEMENT DE L'IMAGE ET DU SIGNAL (DE LA SEGMENTATION A LA SEPARATION DE SOURCES, EN PASSANT PAR LA RECONNAISSANCE DE FORMES ET LA COMPRESSION DE DONNEES), ON MONTRE QU'IL EST POSSIBLE DE DEVELOPPER A MOINDRE COUT UNE SOLUTION NEURONALE EFFICACE

Download or read book Reseaux de neurones en traitement d images des modeles theoriques aux applications industrielles written by Gilles Burel and published by . This book was released on 1991 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book R seaux de neurones cellulaires et traitement d images written by David Monnin and published by . This book was released on 2004 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book Contribution la d finition d un mod le g n rique de r seaux de neurones pour la minimisation de fonctionnelles written by Ludovic Lelaurin and published by . This book was released on 1996 with total page 352 pages. Available in PDF, EPUB and Kindle. Book excerpt: CE MEMOIRE DE THESE TRAITE D'UN MODELE GENERIQUE DE RESEAUX DE NEURONES POUR LA MINIMISATION DE FONCTIONNELLES DE TYPE QUADRATIQUE. L'APPLICATION PARTICULIERE A L'ESTIMATION DU MOUVEMENT DANS DES SEQUENCES D'IMAGES EST PRESENTEE. DE NOMBREUX PROBLEMES DE TRAITEMENT DES IMAGES S'EXPRIMENT SOUS LA FORME D'UNE FONCTIONNELLE A MINIMISER. CES DERNIERS SONT POUR LA MAJORITE D'ENTRE EUX MAL POSES AU SENS DEFINI PAR HADAMARD, ET NECESSITENT DE RECOURIR A DES TECHNIQUES DE REGULARISATION. LA RESOLUTION DE TELS PROBLEMES REGULARISES FAIT ALORS APPEL A DES TECHNIQUES D'OPTIMISATION. LES RESEAUX DE NEURONES ARTIFICIELS SE COMPOSENT D'UN GRAND NOMBRE D'UNITES ELEMENTAIRES OPERANT EN PARALLELE ; CES UNITES SE DESIGNENT SOUS LE TERME DE NEURONES OU NEURONES FORMELS. DE TELS SYSTEMES CONNEXIONNISTES PEUVENT ASSURER DES TACHES DE HAUT NIVEAU TELLES QUE LA RECONNAISSANCE DES FORMES, LA CLASSIFICATION, L'OPTIMISATION... NOUS PRESENTONS UNE METHODOLOGIE NEURONALE DONT LE PRINCIPE CONSISTE A CODER LA SOLUTION DES PROBLEMES D'OPTIMISATION EN TERMES D'ETATS DE NEURONE, QUI SONT LES VARIABLES DISCRETES D'UN ESPACE EUCLIDIEN. LE RESEAU DE NEURONES PROPOSE EST FONDE SUR LE MODELE DISCRET DE HOPFIELD. NOUS L'APPLIQUONS A L'ESTIMATION DU MOUVEMENT DANS DES SEQUENCES D'IMAGES, PROBLEME QUI NOUS PERMET DE FAIRE UNE ANALYSE DE NOTRE APPROCHE LA PLUS COMPLETE. NOS RESULTATS SONT COMPARES AVEC CEUX OBTENUS PAR L'APPROCHE CLASSIQUE PROPOSEE PAR HORN ET SCHUNK. NOUS NOUS ETENDONS ENSUITE AU CAS DU MOUVEMENT D'OBJETS DEFORMABLES ET MONTRONS LA NATURE GENERIQUE DE CE RESEAU

Download or read book R seaux de neurones cellulaires et traitement d images written by David Monnin and published by . This book was released on 2003 with total page 193 pages. Available in PDF, EPUB and Kindle. Book excerpt: Les réseaux de neurones cellulaires (CNN) sont constitués d'un agencement bidimensionnel d'unités de calcul analogiques identiques appelées cellules. Ces processeurs élémentaires, localement connectés et commandés par un jeu réduit de paramètres, répondent à un fonctionnement dynamique. Cette thèse propose une méthode analytique de conception d'opérateurs de traitement d'images pour les CNN, permettant la réalisation de tous les filtres basés sur une convolution spatiale, ainsi que la modification du contraste et de l'intensité de l'image traitée, ou sa binarisation selon un seuil. La conception d'opérateurs répondant à une définition booléenne et réalisés par une convolution spatiale binarisée est présentée. Cette approche étend notamment les possibilités de traitement des CNN aux opérateurs de morphologie mathématique, mais offre également des perspectives dans des domaines aussi différents que l'étude des réseaux de neurones formels ou la réalisation de nouveaux circuits logiques.

Download or read book Equations aux d riv es partielles et r seaux de neurones pour le traitement d images written by Mohamed Elayyadi and published by . This book was released on 1997 with total page 131 pages. Available in PDF, EPUB and Kindle. Book excerpt: Ce travail porte sur des techniques à base d'équations aux dérivées partielles et de réseaux de neurones pour le traitement d'images. L'approximation des réseaux de neurones par des systèmes de réaction-diffusion nous a permis de définir un nouveau modèle de diffusion anisotrope de type Volterra pour le filtrage sélectif d'images bruitées. La loi d'évolution régissant le tenseur de diffusion traduit des lois d'apprentissage synaptiques naturelles. L'étude de la dynamique de ces réseaux à synapses adaptatives montre qu'ils possèdent des propriétés d'attractivité et de stabilité asymptotique au sens de Lyapunov. Les images traitées sont donc obtenues sur les asymptotiques en temps du modèle. Les techniques présentées dans cette thèse améliorent de manière importante le pré-traitement d'images car elles ne nécessitent qu'une connaissance (\em a priori) d'un paramètre de contraste sur l'image désirée et permettent la restauration des images ayant subi jusqu'à 90\% de niveau de bruit et la segmentation des images médicales d'echographie

Download or read book R seaux de neurones convolutifs pour la segmentation s mantique et l apprentissage d invariants de couleur written by Damien Fourure and published by . This book was released on 2017 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: La vision par ordinateur est un domaine interdisciplinaire étudiant la manière dont les ordinateurs peuvent acquérir une compréhension de haut niveau à partir d'images ou de vidéos numériques. En intelligence artificielle, et plus précisément en apprentissage automatique, domaine dans lequel se positionne cette thèse, la vision par ordinateur passe par l'extraction de caractéristiques présentes dans les images puis par la généralisation de concepts liés à ces caractéristiques. Ce domaine de recherche est devenu très populaire ces dernières années, notamment grâce aux résultats des réseaux de neurones convolutifs à la base des méthodes dites d'apprentissage profond. Aujourd'hui les réseaux de neurones permettent, entre autres, de reconnaître les différents objets présents dans une image, de générer des images très réalistes ou même de battre les champions au jeu de Go. Leurs performances ne s'arrêtent d'ailleurs pas au domaine de l'image puisqu'ils sont aussi utilisés dans d'autres domaines tels que le traitement du langage naturel (par exemple en traduction automatique) ou la reconnaissance de son. Dans cette thèse, nous étudions les réseaux de neurones convolutifs afin de développer des architectures et des fonctions de coûts spécialisées à des tâches aussi bien de bas niveau (la constance chromatique) que de haut niveau (la segmentation sémantique d'image). Une première contribution s'intéresse à la tâche de constance chromatique. En vision par ordinateur, l'approche principale consiste à estimer la couleur de l'illuminant puis à supprimer son impact sur la couleur perçue des objets. Les expériences que nous avons menées montrent que notre méthode permet d'obtenir des performances compétitives avec l'état de l'art. Néanmoins, notre architecture requiert une grande quantité de données d'entraînement. Afin de corriger en parti ce problème et d'améliorer l'entraînement des réseaux de neurones, nous présentons plusieurs techniques d'augmentation artificielle de données. Nous apportons également deux contributions sur une problématique de haut niveau : la segmentation sémantique d'image. Cette tâche, qui consiste à attribuer une classe sémantique à chacun des pixels d'une image, constitue un défi en vision par ordinateur de par sa complexité. D'une part, elle requiert de nombreux exemples d'entraînement dont les vérités terrains sont coûteuses à obtenir. D'autre part, elle nécessite l'adaptation des réseaux de neurones convolutifs traditionnels afin d'obtenir une prédiction dite dense, c'est-à-dire, une prédiction pour chacun pixel présent dans l'image d'entrée. Pour résoudre la difficulté liée à l'acquisition de données d'entrainements, nous proposons une approche qui exploite simultanément plusieurs bases de données annotées avec différentes étiquettes. Pour cela, nous définissons une fonction de coût sélective. Nous développons aussi une approche dites d'auto-contexte capturant d'avantage les corrélations existantes entre les étiquettes des différentes bases de données. Finalement, nous présentons notre troisième contribution : une nouvelle architecture de réseau de neurones convolutifs appelée GridNet spécialisée pour la segmentation sémantique d'image. Contrairement aux réseaux traditionnels, notre architecture est implémentée sous forme de grille 2D permettant à plusieurs flux interconnectés de fonctionner à différentes résolutions. Afin d'exploiter la totalité des chemins de la grille, nous proposons une technique d'entraînement inspirée du dropout. En outre, nous montrons empiriquement que notre architecture généralise de nombreux réseaux bien connus de l'état de l'art. Nous terminons par une analyse des résultats empiriques obtenus avec notre architecture qui, bien qu'entraînée avec une initialisation aléatoire des poids, révèle de très bonnes performances, dépassant les approches populaires souvent pré-entraînés.

Download or read book Structure partir du mouvement dans une s quence d images written by Giansalvo Cirrincione and published by . This book was released on 1998 with total page 310 pages. Available in PDF, EPUB and Kindle. Book excerpt: CE TRAVAIL TRAITE DU PROBLEME DE LA RECUPERATION DES PARAMETRES DE SCENE ET DU MOUVEMENT A PARTIR D'UNE SEQUENCE D'IMAGES (STRUCTURE A PARTIR DU MOUVEMENT, STRUCTURE FROM MOTION = SFM). LES ALGORITHMES EXISTANTS, CONSIDERES GLOBALEMENT DEPUIS L'ACQUISITION DES IMAGES JUSQU'A L'EXTRACTION DES INFORMATIONS SUR LA SCENE ET LE MOUVEMENT, SONT GRANDS CONSOMMATEURS DE TEMPS DE CALCUL ET EN OUTRE ILS CONSIDERENT PEU LE PROBLEME DU BRUIT DANS LES IMAGES. EN VUE D'UNE REALISATION EN TEMPS REEL ROBUSTE A L'EGARD D'IMAGES BRUITEES, ON PROPOSE UNE APPROCHE PAR RESEAUX DE NEURONES. DIFFERENT RESEAUX ONT ETES DEFINIS, CHACUN POUR RESOUDRE UN SOUS-PROBLEME PARTICULIER. APRES UNE EXTRACTION DES CARACTERISTIQUES A BAS NIVEAU PAR L'ALGORITHME SUSAN QUI DETECTE LES ANGLES, AISEMENT AUTOMATISE MOYENNANT LE REGLAGE DE DEUX PARAMETRES, ON PROPOSE UN RESEAU NEURONAL APPELE DAC, AFIN DE DETECTER LES CORRESPONDANCES DES CARACTERISTIQUES ENTRE COUPLES D'IMAGES. CE RESEAU-CI SE COMPOSE DE DEUX RESEAUX NEURONAUX AUTO-ORGANISES COUPLES L'UN AVEC L'AUTRE PENDANT LA PHASE D'APPRENTISSAGE. SA SORTIE DECRIT, EN PLUS DES CORRESPONDANCES, LES OCCLUSIONS DANS CHAQUE IMAGE. CETTE SORTIE EST APPLIQUEE A UN AUTRE RESEAU AUTO-ORGANISANT, APPELE EXIN SNN, QUI EFFECTUE LA SEGMENTATION DE L'IMAGE EN UTILISANT LES INFORMATIONS DU MOUVEMENT. CETTE SEGMENTATION (QUI PEUT AUSSI ETRE CONTROLEE EN RETOUR PAR LE MODULE SFM CI APRES) DONNE LA POSSIBILITE D'EMPLOYER CET ENSEMBLE DANS DES CAS PLUS GENERAUX DE MOUVEMENT, A SAVOIR CEUX QUI CONCERNENT LES CAMERAS STATIQUES OU DYNAMIQUES, ETALONNEES OU NON, AVEC DES OBJETS BOUGEANT DE MANIERE INDEPENDANTE. LA CORRESPONDANCE PEUT ETRE BRUITEE A LA FOIS PAR L'EXTRACTEUR D'IMAGES ET DE CARACTERISTIQUES ET PAR LES OUTLIERS PROVOQUES PAR LES ERREURS EN CORRESPONDANCES DUES AUX OCCLUSIONS NON REPEREES OU AUX DISCONTINUITES DE LA PROFONDEUR. A CAUSE DE CE PROBLEME, L'ETAPE SUIVANTE DOIT ETRE TRES ROBUSTE. DANS CE BUT, ON PROPOSE UNE SERIE DE NEURONES LINEAIRES ET NONLINEAIRES QU I CALCULENT L'MCA (MINOR COMPONENT ANALYSIS) ET LES TLS (TOTAL LEAST SQUARES) ET ON EN DONNE UNE THEORIE COMPLETE. LE RESULTAT LE PLUS IMPORTANT PORTE SUR L'EXISTENCE DE CONDITIONS INITIALES QUI ASSURENT LA CONVERGENCE DE CES ALGORITHMES DANS LA MEILLEURE SITUATION PAR RAPPORT A LA VITESSE DE CONVERGENCE. ON DONNE UNE COMPARAISON AVEC LES NEURONES EXISTANTS SUR CE PROBLEME ET LA SUPERIORITE DE CE NOUVEAU NEURONE EST DEMONTREE A LA FOIS THEORIQUEMENT ET EXPERIMENTALEMENT. CES NEURONES, ET EN PARTICULIER CEUX QUI REALISENT LE CONSTRAINED TOTAL LEAST SQUARES, CALCULENT, SOIT LA MATRICE ESSENTIELLE, SOIT LA MATRICE FONDAMENTALE AVEC PRECISION MEME EN PRESENCE DE FORT BRUIT DANS LES DONNEES ET DE 50% DE FAUSSES CORRESPONDANCES. UN AUTRE MODULE EMPLOIE LES MEMES NEURONES DANS UNE COUCHE REALISENT UNE DETECTION DES OUTLIERS. CETTE DETECTION AMELIORE LA PRECISION DES RESULTATS ET AFFINE LE RESULTAT DE LA SEGMENTATION. EN UTILISANT LES MEMES INFORMATIONS SUR LA MATRICE ESSENTIELLE, D'AUTRES NEURONES, MCA ET TLS, RESOLVENT LE PROBLEME ORTHOGONAL DE PROCRUSTES : ILS DONNENT AUSSI LES PARAMETRES DE MOUVEMENT EN UTILISANT AUSSI BIEN LES MATRICES QUE LES QUATERNIONS. D'AUTRES RESEAUX NEURONAUX, APPELES SOLIDES NEURONAUX, SONT PROPOSES ICI AFIN D'OBTENIR LES MEMES INFORMATIONS. PARMI EUX ON PRESENTE LE RESEAU EXIN NSVD POUR RESOUDRE LA DECOMPOSITION EN VALEURS SINGULIERES ET APRES ON L'APPLIQUE DANS DIFFERENTES PHASES DU MODULE SFM. DES NEURONES TLS DE LA DERNIERE ETAPE DONNENT LA CARTE DES PROFONDEURS RELATIVES. D'AUTRES APPLICATIONS DES NEURONES SUSNOMMES SONT PRESENTEES DANS CE TRAVAIL POUR L'ESTIMATION DU MOUVEMENT EN TROIS DIMENSIONS A PARTIR DES DONNEES ET POUR LE CALCUL DU FOCUS D'EXPANSION (FOE). UN AUTRE RESEAU DE NEURONES ORIGINAL NOMME GMR (GENERALIZED MAPPING REGRESSOR), QUI EST CAPABLE D'APPROXIMER N'IMPORTE QUELLE FONCTION ET RELATION EN PLUSIEURS DIMENSIONS, EST UTILISE POUR LA RECONSTRUCTION DES SURFACES DE LA SCENE A PARTIR DE LA CARTE DES PROFONDEURS.

Download or read book Canadian Journal of Electrical and Computer Engineering written by and published by . This book was released on 1994 with total page 598 pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book DETECTION DE CONTOURS PAR TRANSFORMEE EN ONDELETTES ET RESEAUX DE NEURONES written by MARTIAL.. FORTHOFFER and published by . This book was released on 1992 with total page pages. Available in PDF, EPUB and Kindle. Book excerpt: LE MEMOIRE PRESENTE TRAITE DE LA SEGMENTATION D'IMAGES PAR DETECTION DE CONTOURS PAR LA COOPERATION DE LA TRANSFORMEE EN ONDELETTES ET DES RESEAUX DE NEURONES. LE CHAPITRE I INTRODUIT LES DIFFERENTES METHODES DE SEGMENTATION D'IMAGES EN INSISTANT SUR LA DETECTION DE CONTOURS. LA TRANSFORMEE EN ONDELETTES PRESENTEE DANS LE CHAPITRE II EFFECTUE UNE ANALYSE MULTIRESOLUTION ET PERMET D'EXPRIMER LES CONTOURS COMME LES INFORMATIONS PERDUES LORS D'UNE APPROXIMATION DU SIGNAL SUR DES FACTEURS DE RESOLUTIONS DYADIQUES. DANS LE CHAPITRE III, NOUS PROPOSONS UNE NOUVELLE METHODE DE DETECTION DE CONTOURS EFFECTUEE A PARTIR DE COMBINAISONS MULTIRESOLUTION PONDEREES PAR UNE ESTIMATION LOCALE DU BRUIT. LE RESULTAT EST GENERALEMENT PEU SENSIBLE AU BRUIT, MAIS CERTAINES INFORMATIONS TELLES QUE LES CONTOURS EN FORME DE TOIT SONT SUPPRIMEES. LE CHAPITRE IV DETAILLE LES DIFFERENTES BASES D'ONDELETTES CONSTRUITES SUR DES FILTRES DE TYPE GRADIENT OU LAPLACIEN. LES LIMITES IMPOSEES PAR LA TRANSFORMEE EN ONDELETTES INDUISENT L'UTILISATION D'UNE VERSION BI-ORTHOGONALE QUI AUTORISE L'UTILISATION DE FILTRES OPTIMAUX AU SENS DE CANNY. LA DIFFICULTE A DETERMINER UNE METHODE ANALYTIQUE DE RECOMBINAISON MULTIRESOLUTION NOUS CONDUIT DANS LE CHAPITRE V A SOUMETTRE CETTE TACHE A UN RESEAU DE NEURONES. LE RESEAU IDENTIFIE LES LIENS EXISTANT ENTRE LES CONTOURS REELS ET LEUR CONTRIBUTION DANS LES DIFFERENTES RESOLUTIONS DE L'IMAGE, EN FONCTION D'UNE REFERENCE DETERMINEE PAR EXPERT. POUR DES APPLICATIONS EXIGEANT UNE GRANDE VITESSE DE CALCUL, SON INTEGRATION AVEC LA TRANSFORMEE EN ONDELETTES (ALGORITHME TEMPS REEL) EST ENVISAGEE

Download or read book Ad quation algorithme architecture pour les r seaux de neurones convolution written by Franck Mamalet and published by . This book was released on 2011 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: La prolifération des capteurs d'images dans de nombreux appareils électroniques, et l'évolution des capacités de traitements à proximité de ces capteurs ouvrent un champ d'exploration pour l'implantation et l'optimisation d'algorithmes complexes de traitement d'images afin de proposer des systèmes de vision artificielle embarquée. Ces travaux s'inscrivent dans la problématique dite d'adéquation algorithme-architecture (A3). Ils portent sur une classe d'algorithmes appelée réseau de neurones à convolutions (ConvNet) et ses applications en analyse de visages embarquée. La chaîne d'analyse de visages, introduite par Garcia et al., a été choisie d'une part pour ses performances en taux de détection/reconnaissance au niveau de l'état de l'art, et d'autre part pour son caractère homogène reposant sur des ConvNets. La première contribution de ces travaux porte sur une étude d'adéquation de cette chaîne d'analyse de visages aux processeurs embarqués. Nous proposons plusieurs adaptations algorithmiques des ConvNets, et montrons que celles-ci permettent d'obtenir des facteurs d'accélération importants (jusqu'à 700) sur un processeur embarqué pour mobile, sans dégradation des performances en taux de détection/reconnaissance. Nous présentons ensuite une étude des capacités de parallélisation des ConvNets, au travers des travaux de thèse de N. Farrugia. Une exploration "gros-grain" du parallélisme des ConvNets, suivie d'une étude de l'ordonnancement interne des processeurs élémentaires, conduisent à une architecture parallèle paramétrable, capable de détecter des visages à plus de 10 images VGA par seconde sur FPGA. Nous proposons enfin une extension de ces études à la phase d'apprentissage de ces réseaux de neurones. Nous étudions des restrictions de l'espace des hypothèses d'apprentissage, et montrons, sur un cas d'application, que les capacités d'apprentissage des ConvNets ne sont pas dégradées, et que le temps d'apprentissage peut être réduit jusqu'à un facteur cinq.

Download or read book Extraction d informations spatio temporelles du mouvement avec un r seau de neurones spike written by Guillaume Debat and published by . This book was released on 2021 with total page 158 pages. Available in PDF, EPUB and Kindle. Book excerpt: L'intelligence artificielle regroupe l'ensemble des techniques et théories permettant à un système artificiel d'agir de façon dite intelligente, c'est-à-dire comme un humain ou un animal le ferait. Ce domaine de recherche a fait récemment l'objet de grandes avancées qui ont permis de surpasser de nombreuses méthodes de traitement de l'information. Plus particulièrement pour la catégorie des réseaux de neurones qui ont fait preuve de performances impressionnantes et d'une forte capacité à s'adapter à différents cas d'usages. Ces réseaux de neurones cherchent à imiter le fonctionnement des neurones du cerveau humain et peuvent apprendre des données qui leur sont fournies pour répondre à différents problèmes. Cet attrait pour ces méthodes s'est notamment amplifié ces dernières années avec l'arrivée des réseaux de neurones artificiels pro-fonds et notamment dans le domaine du traitement de l'information visuelle avec les réseaux de neurones convolutionnels. Cependant, la quête de puissance des DNNs et CNNs les ont amenée à s'éloigner de leur inspiration biologique initiale. Ainsi, les réseaux de neurones artificiels ne ressemblent désormais plus au fonctionnement du cerveau humain,consomment beaucoup d'énergie et nécessitent de nombreuses données pour les entraîner.Une réponse à ces différents problèmes a été proposée et celle-ci vient encore une fois du bio-mimétisme. En effet, celle-ci consiste à s'inspirer de la méthode de communication de l'information des neurones. Les réseaux de neurones à spike se sont alors développés. Considérés comme la troisième génération de réseaux de neurones, ils utilisent les spikes pour transmettre l'information entre les neurones, qui sont des événements binaires et inscrits temporellement, contrairement aux ANNs qui utilisaient des valeurs analogiques et continues. Le développement des SNNs s'est accompagné de l'utilisation de la règle d'apprentissage Spike-Timing-Dependent-Plasticity (STDP), qui a pour particularité d'être bio-inspirée, d'utiliser l'information temporelle contenue dans les spikes et d'être non-supervisée. De nouveaux capteurs et cartes neuromorphiques ont ensuite émergé permettant de profiter pleine-ment des avantages présentés par les SNNs et par le traitement de l'information événementielle de façon plus générale.De récentes études ont montré que les SNNs pouvaient extraire de l'information à partir d'information visuelle sur des images ou en utilisant des caméras événementielles. L'objectif de cette thèse est d'utiliser et d'adapter une nouvelle caméra événementielle développée par l'entreprise Yumain à Dijon pour effectuer de l'analyse et de la prédiction de trajectoires de balles dans un contexte sportif. En effet, la capacité de prédiction est primordiale dans le sport afin d'anticiper le comportement de l'adversaire ou la trajectoire d'un ballon. Les experts sportifs notamment,présentent de fortes capacités de prédiction dans leur sport de prédilection. Ainsi l'objectif est d'évaluer la capacité de notre solution à prédire la trajectoire d'un ballon et de comparer lesperformances avec des participants experts ou non en sport de balle, nécessitant une anticipation de la trajectoire de la balle.Ce manuscrit de thèse reviendra donc dans un premier temps sur l'état de l'art actuel des traitements événementiels, dont notamment les SNNs et les caméras asynchrones événementielles. Lacaméra NeuroSoc sera ensuite présentée, ainsi que le SNN utilisé durant cette thèse. Puis nous montrerons que ce type de SNN permet d'extraire de l'information à partir de spikes générés par de l'information visuelle, que ce soit sur des simulations ou depuis des acquisitions réelles.Ainsi, nous montrerons que l'information extraite permet de prédire la trajectoire de la balle et que cette prédiction est plus précise que celles effectuées par des participants humains. Enfin,quelques limites de la caméra NeuroSoc utilisée durant cette thèse seront exposés [...].

Download or read book ETUDE ET UTILISATION DES RESEAUX NEURONAUX POUR LE CODAGE D IMAGES DE TELEVISION written by Eduardo de jesús GARCIA-GARCIA and published by . This book was released on 1994 with total page 290 pages. Available in PDF, EPUB and Kindle. Book excerpt: LES NOUVEAUX BESOINS EN MOYENS DE COMMUNICATION VISUELLE AINSI QUE L'ENJEU ECONOMIQUE QU'ILS REPRESENTENT CONDUISENT A L'ABANDON DES STANDARDS ANALOGIQUES AU PROFIT DES NOUVELLES NORMES NUMERIQUES POUR LA TRANSMISSION DE LA TELEVISION. CEPENDANT, LA NUMERISATION DES IMAGES ENTRAINE UNE AUGMENTATION CONSIDERABLE DE L'INFORMATION SYMBOLIQUE DE L'IMAGE. AINSI, LES ETUDES VISANT A REDUIRE LE DEBIT D'INFORMATION NECESSAIRE A LA TRANSMISSION NUMERIQUE D'IMAGES DE TELEVISION SE SONT MULTIPLIEES. D'AUTRE PART, LE DEVELOPPEMENT DES CALCULATEURS PLUS PUISSANTS ET L'AVANCE TECHNOLOGIQUE EN MATIERE DE CIRCUITS NUMERIQUES FAVORISENT LE DEVELOPPEMENT DES NOUVEAUX ALGORITHMES POUR LE TRAITEMENT DES IMAGES NUMERIQUES. DANS CETTE THESE NOUS NOUS INTERESSONS A L'ETUDE DES STRUCTURES ET DES ALGORITHMES NEURO-MIMETIQUES (OU RESEAUX DE NEURONES ARTIFICIELS RNA) DANS LE BUT D'OPTIMISER ET D'AMELIORER LES TECHNIQUES DE COMPRESSION D'IMAGES DE TELEVISION EXISTANTES. PLUS PRECISEMENT, NOUS NOUS INTERESSONS AUX TECHNIQUES DE CODAGE PAR CLASSIFICATION VISUELLE DES BLOCS ET AUX TECHNIQUES CONCERNANT LA QUANTIFICATION VECTORIELLE. LES PREMIERS CHAPITRES DE CETTE THESE SONT CONSACRES A L'ETUDE BIBLIOGRAPHIQUE CONCERNANT LES TECHNIQUES CLASSIQUES DE COMPRESSION D'IMAGES ET LA THEORIE LIEE AUX RESEAUX DE NEURONES. ENSUITE, NOUS PRECISONS LE CHOIX DES STRUCTURES, DES ALGORITHMES ET DES METHODES DE COMPRESSION D'IMAGES UTILISANT DES RESEAUX DE NEURONES, AINSI QUE LEURS AVANTAGES ET INCONVENIENTS. NOUS ETUDIONS UNE METHODE DE PREDICTION ET DEUX METHODES DE CODAGE BASEES SUR LA QUANTIFICATION VECTORIELLE. L'IDEE EST D'EXPLOITER LES CAPACITES D'APPRENTISSAGE DES RESEAUX DE NEURONES POUR REALISER UNE PREDICTION ET UNE QUANTIFICATION PLUS ADAPTATIVE. LES IMAGES SONT DECOUPEES EN BLOCS DE TAILLE FIXE. DEUX PRINCIPES SONT MIS EN UVRE: LA CLASSIFICATION DES STRUCTURES VISUELLES DES IMAGES ET LA QUANTIFICATION VECTORIELLE DES BLOCS SOIT DANS LE DOMAINE IMAGE, SOIT DANS LE DOMAINE TRANSFORME. ENFIN, CES TECHNIQUES ONT ETE INTEGREES DANS UN SCHEMA DE CODAGE A BASE DE TRANSFORMEE COSINUS ET COMPAREES A D'AUTRES APPROCHES SIMILAIRES UTILISANT DES ALGORITHMES PLUS CLASSIQUES. CECI PERMET D'EVALUER LES PERFORMANCES ET L'APPORT QUE PEUVENT FOURNIR LES RESEAUX NEUROMIMETIQUES DANS LE CODAGE DES SEQUENCES D'IMAGES

Download or read book Contribution de l approche neuromim trique l analyse du mouvement dans une s quence d images written by Abdelaziz Yacoubi and published by . This book was released on 2013 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: Le travail présenté dans cette thèse porte sur l'utilisation des réseaux de neurones pour la minimisation de fonctionnelles avec comme application particulière l'estimation du mouvement dans des séquences d'images. Dans une première étape, nous décrivons les notions fondamentales indispensables à la définition d'un neurone formel et ses variantes, les principaux types de réseaux constitues de tels neurones parmi les plus connus, et nous présentons plus particulièrement le modelé de hopfield. Dans une seconde étape, nous rappelons l'état des diverses techniques classiques existantes sur l'analyse du mouvement 2d. Apres avoir étudié dans un premier temps, un réseau de neurones destine à l'estimation du mouvement base sur des considérations physiologiques et anatomiques du système visuel, qui reprend des travaux antérieurs sur le sujet, nous mettons en évidence les limitations de ce réseau, ce qui nous a amène à proposer et à développer une autre approche du problème. Celle-ci ne prend pas en compte la complexité biologique. Le réseau propose est vu comme un système destine à la minimisation de fonctionnelles. La méthode consiste à transcrire le problème en termes d'états qui sont les variables discrètes représentant les deux composantes du paramètre à estimer. Chaque composante est alors déduite par une somme des états des neurones d'un réseau associe. Nous caractérisons la fonction d'énergie associée au réseau et nous appliquons celui-ci au cas particulier des fonctionnelles basées sur les méthodes différentielles en estimation de mouvement. Afin de satisfaire le critère de rapidité du processus de convergence, nous étudions différentes stratégies de parcours du réseau. Enfin, nous comparons les résultats avec ceux fournis par les méthodes classiques d'estimation du mouvement de façon à valider les solutions obtenues par le réseau propose.

Download or read book R seaux de neurones r currents pour la pr vision de s ries temporelles written by Romuald Boné and published by . This book was released on 2000 with total page 217 pages. Available in PDF, EPUB and Kindle. Book excerpt: Les réseaux de neurones à propagation avant sont statiques, leurs sorties ne dépendant que des entrées courantes. Pour contourner cette limitation, la technique la plus répandue repose sur l'utilisation de fenêtres temporelles. Ces techniques sont insuffisantes lorsqu'une mémoire relativement profondes est nécessaire ou lorsque la profondeur de celle-ci est inconnue. Les réseaux de neurones récurrents sont capables de modéliser des dépendances temporelles de durée quelconque entre les entrées et les sorties désirées associées, en utilisant une mémoire implicite, codée grace aux connexions récurrentes et aux sorties des neurones eux-mêmes. Cependant, en pratique les réseaux récurrents sont associés à des algorithmes d'apprentissage bases sur le calcul du gradient, qui présentent des limitations dans la prise en compte des dépendances à moyen ou long terme. La résolution de ce problème peut passer par l'ajout de connexions contenant des retards. Le choix de la localisation de ces connexions et du nombre de retards nécessaires restent à la charge de l'expérimentateur. Nous proposons une nouvelle approche qui repose sur la définition de critères pour l'ajout sélectif de connexions à délais. Il en résulte des algorithmes constructifs, permettant d'adapter l'architecture du réseau au problème temporel à traiter. Le premier critère propose correspond à la variation de l'erreur lors de l'exploration restreinte des différentes alternatives d'implantation de connexions supplémentaires. L'exploration consiste en un apprentissage limite à quelques itérations. Le deuxième critère repose sur un calcul des corrélations entre des quantités générées à l'intérieur du réseau au cours de l'apprentissage, et correspond à une estimation de la variation des poids des connexions à délais candidates. Des expérimentations systématiques ont été menées sur des problèmes de référence de prévision de séries temporelles. Les résultats obtenus montrent l'intérêt de nos contributions.