Browsing by Author "Belhouchette Kenza"

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    Détection de visage
    (Université de Larbi Ben M’hidi-Oum Oum El Bouaghi, 2021) Zabi Khawla; Mazouz Khaoula; Belhouchette Kenza
    La recherche dans le domaine de la détection des personnes, aux milieux incontrôlés devient un sujet de plus en plus traité. Une approche innovante devrait être utilisée pour résoudre le problème des résultats des méthodes à faible taux de détection et avec un taux de fausse classification élevé. Dans ce projet nous proposons un réseau de neurones convolutif basé sur la région appellé Faster RCNN pour identifier les visages existants dans une image, vidéo et au temps réel. Les réseaux de neurones convolutifs basés sur la région et particulièrement le Faster RCNN ont montré leur grande performance dans le domaine de la détection et la classification des objets. Nous avons appliqué notre approche sur des images que nous avons collectées de différentes bases de données et sur des images qu'on a prises en temps réel et aussi sur des vidéos. L'approche proposée atteint une meilleure performance de détection que les méthodes traditionnelles. Ces résultats indiquent clairement que l'utilisation de la méthode Faster RCNN pour la détection des visages des personnes est très prometteuse.
  • No Thumbnail Available
    Item
    La Reconnaissance des émotions de base par Les réseaux de neurones : application de deep Learning
    (Université de Larbi Ben M’hidi-Oum Oum El Bouaghi, 2021) Rebahi Ghediri Imane; Semri KhawLa; Belhouchette Kenza
    Pour les êtres humains, l'expression du visage est l'un des plus puissants et naturels moyens pour communiquer leurs émotions et leurs intentions. Un être humain est capable de reconnaitre les expressions du visage sans effort, mais, pour une machine, cette tâche est très difficile. Aujourd'hui, la reconnaissance d'expression faciale s'avère être l'une des applications les plus pertinentes dans de nombreux domaines à savoir : interaction homme-machine, médecine, sécurité, éducation, . . . Tout système de reconnaissance automatique des expressions faciales passe par étapes essentielles : la détection du visage, l'extraction des caractéristiques faciales, et la classification des expressions. Un système qui effectue ces opérations, et avec précision, serait crucial pour parvenir à une interaction homme machine comme celle homme aura lieu. L'efficacité des systèmes de reconnaissance d'expressions faciles est importante pour une bonne interaction homme-machine. Mais la tâche de la reconnaissance de l'expression faciale est liée à plusieurs méthodes qui fournissent des facteurs influençant sur la performance des systèmes FER (Facial recognition System). Ce mémoire présente un travail qui exploite une architecture du réseau CNN " MobileNetV2 ", pour la reconnaissance des émotions de base. Notre choix de cette architecture est motivé par son succès dans la classification des images, ce qui a été prouvé par nos résultats obtenus. Nous nous concentrons sur la structure de CNN tout en analysant les convolutions internes dans les réseaux qui influencent directement sur les résultats. Notre système de reconnaissance des émotions de base été entrainé sur la base de données la Fer2013.