INTELLIGENCE ARTIFICIELLE (RECONNAISSANCE DES FORMES EN TEMPS RÉEL)

Commentaire de SpEeDy_Fire le 23/04/2005 15:16:11

Pas regardé le code mais un .exe passerait bien étant donnée que je n'ai pas vcpp et que je veux pas m'amuser à modifier pour devcpp ou une compile sous linux juste pour tester.
Merci d'avance ;)

Commentaire de Thaeron le 23/04/2005 15:57:49

Merci d'avoir pris en considération mes remarques, j'ai pu tester, l'interface est très pratique. J'ai enregistré une dizaine de formes, mais il semble retrouver le A dans beaucoup de cas alors que la forme est plus proche des autres formes apprises.
Ton code, quant à lui, est très clair. Je me pencherai dessus après avoir lu de la doc sur le modèle de Hopfield, d'ailleurs si tu as de bonne docs ça serait sympas de donner les urls.
Enjoy ;)

Commentaire de ciddu42 le 23/04/2005 18:11:06

as-tu essayé de le corrigé : le bouton corrigé sert a apprendre une forme légèrement dérivé de la forme apprise ( ex: tu fait un 'A' ou il y a seulement 3 pixel de différence avec la lettre 'A' enregistré lors de sa création et le reseau reconnait par exemple un 'B' alors dans ce cas tu tapes le nom de la lettre a corrigé dans la combo box corrigé et tu cliques sur corrigé, ensuite tu cliques sur reconnaitre et tu veras il reconnait alors la bonne lettre), quant au bouton apprentissage automatique lui il apprend les formes jusqu'a qu'il les reconnaisse toutes tel que tu les as enregistré. donc le bouton apprentissage automatique est a utilisé des le debut de la creation des formes, si tu veux que le reseau puisse apprendre en gros la forme d'une lettre ou d'un chiffre alors il faudra que tu utilises le bouton corrigé.

Quelques fois après pas mal de correction il oublie certaine formes donc dans ces cas la tu cliques sur apprentissage automatique et les réapprend, tu veras au bout de quelques milliers d'itération ton reseau reconnaitra a presque 100% (voir meme 100% ) toutes les formes que tu entreras.

Commentaire de yAAm le 24/04/2005 16:01:06

Si tu veux je te met tout ce que j'ai sur le sujet dans un rep. genre www.parismove.net/neurones/ Par contre en version papier, je te conseille Reseaux de neurones => methodologie et applications au edition eyrolles, bien plus poussé mathématiquement, car cette fois ci la theorie sur le reseau de neurone est finie, on peut même calculer les points de convergences etc ..  ou reseau de neurones d'hervé abdi, plus doux mathématiquement, pas mal pour travailler les reconaissance de forme (visage etc .. )

.. les reseaux de neurones ....c canon ^^

Commentaire de yAAm le 24/04/2005 19:28:46

bah, ca devrai le faire, au pire, tu apprendras ce qui te manque :p, c'est niveau fac je pense.

Commentaire de magic_Nono le 28/04/2005 16:44:27

Bien

ça faisait lgt qu'on a pas vu par ici de RNA ...

TB,
sinon; commente, aère et décompose

Bonne prog
B

Commentaire de yAAm le 30/04/2005 15:38:43

Voila je t'ai mis quelques documents dont la plupart sont en francais, par contre il y a 2-3 ebook en anglais auquel il faudrait que tu t'interesses :p
j'ai rajouté un vieux morceau de code pas finis qui peut toujours etre interessant .

tout est sur [url]http://www.parismove.net/olympe[/url] repertoir yAAm, => cpp_france ou plus smplement l'url direct
http://www.parismove.net/olympe/dir.php?l=fr&m=ico&d=yAAm/cpp_france

n'hesite pas à deposer ce que tu trouve, ou fait la bas, c pas limité  ^^

Commentaire de anhosa2002 le 28/06/2005 14:33:21

il manque les fichiers Neuron Functions.h et Other Functions.h
sans ces deux fichiers ,on ne peut pas compiler

Commentaire de cinqz le 05/06/2006 18:12:33

Moi je suis plutôt un plus jeune en matiére.
Je souhaite developper un logicile de reconnaissance de formes notamment des empreintes digitales, de visages humains.
Je voudrais le faire en cpp, je cherche un guide qui me tiendra jusqu'au bout.
Entre temps, filez moi les cours au max sur les methodes et prérequis.Sinon je pense que le projet présenté ici est bon

Commentaire de noaie le 10/11/2006 21:19:40

j'ai pas lu mais tu sembles motivé par les reseaux de neurones voici un site (ou plutot equipe) http://www.loria.fr/researchers/perso/ notament celle de nicola rougier et fréderic alexandre, je recommande la derniere these sur le sujet http://tel.archives-ouvertes.fr/docs/00/09/68/18/PDF/manuscrit.pdf, bonne lecture

Commentaire de NeOZooN le 01/02/2008 12:16:55

Joli travail ^^

Commentaire de abrtoz le 13/05/2009 11:44:37

bjr
j'ai télécharger ce zip a fin, et j'ai essayer de la compilé mais j'ai trouver des problémes (des erreurs sur les biblio ) est ce que vous pouvez me aider .?
parce j'en ai besoin en faite d'une application qui me permet de détécter des objets contenus dans les images à l'aide des réseau de neurones.
et merci

Commentaire de noaie le 14/11/2010 14:06:27

Bonjour,

Si vous recherchez des informations sur la reconnaissance d'objets, les réseaux de neurones ne sont pas les seules méthodes, je vous conseil de consulter des infos sur les ondelettes de Gabor avec les EBGM (ELASTIC BUNCH GRAPH MATCHING), l'algorithme du boosting, (ou plutôt adaboost), et ensuite voir la méthode de "Viola & Jones" (="V & J"), un algorithme qui utilise les ondelettes de HAAR.

"V & J" permet de faire de la reconnaissance de visages, de pétions, de voitures (n'y a t-il pas les nouveaux radar l'a dessous ?) ou autres.

Sinon l'algorithme de "V & J" est plutôt pour une reconnaissance grossiere et rapide des objets. L'EBGM est utilisé pour identifier un visage (biométrie), mais ces 2 algorithmes utilisent un apprentissage statistique.

pour les réseaux de neurones je pense qu'un algorithme de Kohonen, combiné avec les ondelettes de Gabor, en s'inspirant de "V & J" ainsi que la méthode de Itti et kosch (voir rapport de stage d'Aurélie Bugeau sur google) pourrait permettre de faire de la reconnaissance de forme.

Quelques explications:

- la méthode d'Itti et Kosch utilisent plusieurs fois la même avec des tailles différentes (style 1/1, 1/2, 1/3 ...), ensuite il utilise des filtres sur les couleurs, les orientations, le mouvement, et fournit au final une couche de sortie où il  élit des gagnants pour trouver les points de saillances.

- "V & J" utile une fenêtre qui se déplace sur toute l'image pour la filtrer (filtre = ondelette de HAAR = en gros ici une zone positif et une négative sur des pixel en niveau de gris dans la fenêtre), un filtre est un classicateur "faible", en gros il peut dire dans 50% (voir moins) des cas que le filtre est soit  inhibiteur soit positif. Comme Itti et Hosch, on passe cette fenêtre sur plusieurs taille de la même image (un visage peut être en premier plan, a 80% ou au loin 10% de l'image). On utilise ensuite le boosting pour créer des classificateur fort à partir de plusieurs classificateur faible.

- Je suis tombé il y a quelques années sur un article utilisant kohonen pour faire de la reconnaissance de chiffres manuscrit, l'idée était de créer des clusters (i.e une  fenêtre dans l'image d'entrée) pour identifier les mêmes motifs sur toute l'image, ce procédé étant répété sur les 3 couches suivantes (on reconnaissait l'idée de départ du néogognitron de Fukushima pour reconnaitre des lignes avec toutes les orientations par cluster sur la couche d'entree puis des motifs plus complexe style courbe, ou croisement sur les couches supérieures), le cluster de l'a couche d'entrée devait être entraîner à reconnaître des lignes orientées. Sur la couche de sortie on voie que le classificateur créer des zone spécifique à chaque chiffre mais certaine zone sont commune pour pour des chiffres "similaire" exemple le 1 et le 7. Dans la suite de l'article l'auteur utilisait un apprentissage supervisé pour finir l'apprentissage et bien définir les zones de classification. A mon avis le problème venait plutot de la méthode pour calculer la distance entre les poids synaptiques et l'entrée, en effet un motif proche, mais decalé, ou déformé avait la même distance qu'un motif totalement différent.

- Ce que je rechercher c'est de pouvoir classifier les images automatiquements. J'ai parfois la "même image" suivant paramètres différents, taille, découpe des bords, changement des couleurs/luminosité déformation, et donc dans le cas d'une recherche par MD5 ou SHA-1, cela ne marche pas, l'idée suivante me plaisait bien mais je ne suis pas sur quelle me pleinement
http://www.delphifr.com/codes/RECHERCHE-SUPPRESSION-IMAGES-DOUBLE-BASEE-SUR-COMPARAISON-INTELLIGENTE_38711.aspx

- l'idée non encore finalisé, je pense que c'est d'utiliser comme Itti et Kosch des points des saillances (mais je pense qu'il faut les apprendre pour les reconnaitre) donc mettre en entrée l'image sous plusieurs tailles dans un réseau de neurones non supervisé chaque taille d'image utilise un "sous réseau de neurone", chaque couche d'entrée (1 par taille d'image) reconnait le même cluster (la fentere coulisante), cette fois ci les motifs a reconnaitre ne sont pas des lignes, mais des ondelettes de gabor, comme les (fonction similaire au jet utilisé dans le EBGM), ensuite chaque niveau de couche, utilise le meme cluster par sous réseau et par couche. Sur la dernière couche de chaque sous réseau il faudrait faire apprendre a reconnaitre par un apprentissage superviser l'objet désiré, un visage un chat, un vélo, un vase ...

il reste encore des points de détaille a mettre au point comme la formule de distance, la méthode euclidienne qui n'est  pas assez performante. La taille des images pour ne pas rater des objets de taille intermédiaire, l'utilisation couleurs, comment reconnaître dans les sous réseaux l'objet recherche (i.e d'une image, sélectionner le point ou se situe l'objet, sa taille, et surtout sous dansquel sous réseau on active la sortie), comment faire si 2 objets sont présents dans la même image (l'inhibition latérale) .....

noaie