Domaines de l’Apprentissage Automatique

Table des matières

Dédicaces
Remerciement
Introduction générale
Chapitre I : Généralités sur les méthodes de détection de primitive
I.1 Introduction
I.2 Apprentissage Automatique
I.2.1 Introduction
I.2.2 Principes
I.2.3 Domaines de l’Apprentissage Automatique
I.2.4 Types d’apprentissage automatique
I.3 Machine Learning et la détection de visage
I.3.1 Détection de visage
I.3.1.1 Machine à Vecteurs de Support
I.3.1.2 Scale-Invariant Features Transform
I.3.1.3 Kaze
I.3.1.4 Speeded Up Robust Features
I.4 Conclusion..
Chapitre II : Détection de visage par SIFT et AKAZE
II.1 Introduction
II.1.1 Détection par SURF
II.1.1.1 Détecteur Fast-Hessian
II.1.1.2 Le descripteur SURF
II.1.1.3 Les limitations du SIFT et SURF
II.1.2 Détection par algorithme AKAZE
II.1.3 Descripteur KAZE
II.1.3.1 Introduction
II.1.3.2 La description par AKAZE
II.1.3.3 Caractéristiques KAZE
II.1.4 Détection des features par AKAZE
II.1.5 Détection de visage par descripteur AKAZE
II.2 Algorithme de détection
II.2.1 Algorithme AKAZE
II.2.2 Présentation d’AKAZE
II.3 Conclusion
Chapitre III : Application de descripteur AKAZE
III.1 Introduction à la bibliothèque OpenCV
III.2 La bibliothèque QT
III.3 Les paramètres du descripteur AKAZE
III.3.1 Traitement d’images
III.3.2 Traitement des vidéos
III.3.3 Le moteur de production « CMake »
III.4 Application du descripteur AKAZE
III.5 La construction du descripteur AKAZE
III.6 Discussion des résultats
III.7 Conclusion
Conclusion générale