• Aucun résultat trouvé

2012 — Réalisation de classificateurs neuroniques pour la reconnaissance à basse puissance de visages dans des séquences vidéo

N/A
N/A
Protected

Academic year: 2021

Partager "2012 — Réalisation de classificateurs neuroniques pour la reconnaissance à basse puissance de visages dans des séquences vidéo"

Copied!
113
0
0

Texte intégral

Loading

Figure

Figure 1.1 Système typique de reconnaissance de visage dans des séquences vidéo
Figure 2.1 Réseau de neurones artificiels fuzzy ARTMAP
Figure 2.2 Optimisation par essaim de particules (OEP)
Figure 2.3 Un front de Pareto
+7

Références

Documents relatifs

In this section, we address three questions to help in understanding the concept of SIoT and its main contributions to the current technology. Next, we discuss each question trying

The investor wants to maximize his expected utility from terminal wealth at time t = 2, which is completely determined by its initial capital x, and the strategy α = (α t )

Ces élèves sont, a priori, capables de lire, dans l’acception technique du terme, mais présentent de sérieuses difficultés pour comprendre et apprendre à partir de leur

Spécialité parm i les plus typées, elle est aussi l’u n e des plus difficiles à réussir, c ar elle exige la meilleure exposition et des conditions climatiques

14 Généralement, dans les systèmes de de reconnaissance des formes, les réseaux de neurones peuvent prendre l'une des deux formes suivantes : soit pour

Puisque nous utilisons le même nombre de neurones dans la couche cachée de tous les réseaux pour que les résultats soient comparables, dans notre variante de RNN chaque neurone de

D’après la définition de la dominance au sens de Pareto, on constate qu’un problème d’optimisation multi-objectif ne possède pas une solution unique dit optimale

Dans [25], une analyse des performances du système distribué OS-CFAR avec centre de fusion dans les deux environnement homogène et non- homogène montre que dans le