Browsing by Author "Khellas, Kenza"

Now showing 1 - 5 of 5
  • No Thumbnail Available
    Item
    3D-CNN basés sur les squelettes pour la reconnaissance de la langue des signes isolés
    (Université Larbi Ben M'hidi Oum El Bouaghi, 2022) Ouali, Hichem; Sahbi, Nassima; Khellas, Kenza
    Ce travail vise à la réalisation d'un système de reconnaissance du la langue des signes à partir d'un ensemble des vidéos ayant un large impact social. Ce système rendra la communication facile entre les sourds-muets et les personnes normales. En revanche, de nombreuses contraintes rendent la réalisation d'un système de reconnaissance précis de vidéos très difficile à réaliser et cela en raison ; La langue des signes qui présente de nombreux détails et caractéristiques due principalement aux grandes variations dans les actions (les gestes sont ambigus, l'environnement, tel que l'arrière-plan peut perturber la reconnaissance, la reconnaissance basée sur la vidéo peut être confrontée à plus de défis le temps de réaction, l'amplitude du mouvement et la qualité vidéo peuvent également affecter la précision). Dans ce travail, nous proposons un système basé sur l'une des approches du réseau de neurones convolutionnels tridimensionnels (3D-CNN). Ce dernier applique un algorithme d'I3D sur deux bases de données RGB et Squelette comme deux entrées, qui extrait automatiquement les caractéristiques des vidéos, capable de détecter les signes isolés et analyser par discrimination les gestes de la langue des signes et leur classification tout en préservant les informations temporelles des séquences des vidéos.
  • No Thumbnail Available
    Item
    Impact of data augmentation on handwriting characters recognition
    (University of Oum El Bouaghi, 2023) Saidi, Zahra; Fortas, Roufeida; Khellas, Kenza
    Handwriting recognition involves converting handwritten text into digital form. It plays a pivotal role in various applications. Although recent advancements in optical character recognition have been significant, challenges continue to persist. Fortunately, the emergence of deep neural networks presents powerful solutions to address these obstacles. Motivated by the need for improved recognition accuracy in real-world scenarios, we aim to investigate the impact of data augmentation techniques on the performance of deep learning models for handwriting recognition tasks. The ensuing chapters of this dissertation delve into the fundamental principles of handwriting recognition, deep learning methodologies tailored for handwriting recognition, data augmentation techniques, and present comprehensive experimental analysis and results. Employing a Convolutional Neural Network (CNN) model trained on two distinct handwriting datasets, this study conducts a comprehensive experimental analysis. The results underscore the efficacy of data augmentation in enhancing recognition accuracy, highlighting its potential to bolster the performance of deep learning models in handwriting recognition tasks.
  • No Thumbnail Available
    Item
    Reconnaissance de gestes appliquées à la langue des signes
    (Université Oum El Bouaghi, 2013) Ababsa, Mouhammed; Khellas, Kenza
    Le Système de la reconnaissance des gestes a reçu beaucoup d'attention dans les quelques dernières années en raison de la multiplicité de ses applications et la capacité d'interagir avec la machine de manière efficace grâce à l'interaction homme-machine. Les gestes des mains et visage sont devenu une seconde langue qui complète presque nombreuses discours. Ainsi que des amis lorsque il chat via leurs ordinateur ils utilisent des gestes car c'est une habitude dans notre comportement humain, nous pouvons remarquer que même si quelqu'un était assis tout seul et de penser, il continuera de geste au cours de sa méditation, mais la meilleure utilisation de cette interaction homme machine peut s'apparaitre dans reconnaissance de la langue des signes, Cette langue qu'il l'utilise nos frère les sourds-muets, alors il peuvent donc communiquer facilement et d'une manière naturelle avec les gens normaux. Ce présent mémoire s’articule autour de quatre chapitres principaux, Dans le premier chapitre nous présenterons une étude bibliographique sur la reconnaissance du geste et ces différentes approches. Dans le deuxième chapitre, les différentes techniques et approches de segmentation et d’extraction de caractéristiques d’une image seront présentées, autrement dit qu’elle est le processus suivis pour arriver à une bonne reconnaissance ? Après le processus de reconnaissance des gestes nous passerons au troisième chapitre qui porte sur l’utilisation du geste dans le cadre de la langue des signes et présente les problèmes qui peuvent être rencontrés pour reconnaître un geste par un outil informatique. Le dernier chapitre présente notre application et ces principales fonctionnalités.
  • No Thumbnail Available
    Item
    Reconnaissance de gestes dynamiques par IDT
    (Université Oum El Bouaghi, 2019) Aliat, Atef; Khellas, Kenza
    La reconnaissance d'activités humaines dans une vidéo est considérée comme une tâche d'une importance majeure dans de nombreuses applications de la vision par ordinateur telles que la vidéo surveillance, l'indexation et la recherche des vidéos. Afin de résoudre le problème de reconnaissance, le suivi de trajectoire est lié au mouvement et à l'apparence de l'objet. Le but de ce travail est de revoir les principales approches de reconnaissance dans les vidéos. Un intérêt particulier a été donné à l'étude et l'expérimentation de la méthode d'IDT (improved dense trajectories).
  • No Thumbnail Available
    Item
    Reconnaissance multimodale de la langue des signes isolée à l'aide de LRCN
    (Université Larbi Ben M'hidi Oum El Bouaghi, 2022) Daoudi, Larbi; Ilihem, Saoussen; Khellas, Kenza
    Ces dernières années le domaine de la vision par ordinateur a connue beaucoup de résultat dans différents domaines, pour cette raison plusieurs études sont dirigées vers ce domaine comme la reconnaissance comportementale plus particulièrement la reconnaissance de la langue des signes(SLR). La catégorie sourde et malentendante est en croissance non négligeable, cela mène les travaux dans la direction de vouloir trouver un moyen pour les aider à communiqué et à transmettre leur besoin pour mieux s’intégré dans leur société, malheureusement les recherches à ce sujet sont insuffisantes. La complexité du domaine constitue dans le faite quand doit trouver des descripteurs spatio-temporels discriminants pour une séquence de vidéo de gestes de la main toute en tenant compte des facteurs qui contribuent dans la formation du geste : la position, forme et orientation des mains et même l’inclination de la tête et mouvement du corps, sans oublier l'effet de différents circonstances telles que l'encombrement de l'arrière-plan et les occlusions ou malheureusement ce n'est pas une tâche évidente. Dans cette étude afin d’augmenter le taux de la reconnaissance d’un geste dans une séquence vidéo, nous avons proposé une étude basé sur les réseaux d'apprentissage en profondeur(DNN), une approche multi modale qui utilise comme entré les données RGB et squelette qui seront injecté dans un réseau LRCN(Long-TermRecurrentConvolutional). Ce dernier englobe à la foi un réseau de neurones convolutifs (2DCNN) plus exactement VGG16 pour l’extraction des caractéristiques spatial et les réseaux GRU (GatedRecurrent Unit) pour l’extraction des caractéristiques temporelle pour cela nous exploitons l'ensemble de données de la langue des signes coréenne (KSL).L'ensemble de données est composé de 77 mots de clips vidéo en langue des signes Coréenne réalisés par 20 personnes sourdes. Avec notre méthode nous avons arrivé au résultat que le réseau d'apprentissage en profondeur comprend mieux les caractéristiques de l'ensemble de données avec l’entré RGB que l’entré skeleton .