Reconnaissance de formes

On sert à désigner par reconnaissance de formes un ensemble de techniques et méthodes visant à identifier des motifs à partir de données brutes pour prendre une décision dépendant de la catégorie attribuée à ce motif.



Catégories :

Vision artificielle

Page(s) en rapport avec ce sujet :

  • Brève introduction à la. Reconnaissance des formes. Marie-Odile Berger. Brve introduction la Reconnaissance des formes – p. 1/15... (source : loria)
  • ... Si vous voulez des précisions sur la manière dont je gère la reconnaissance de forme, je vous expliquerai plus exactement la méthode que... (source : cppfrance)

On sert à désigner par reconnaissance de formes (ou quelquefois reconnaissance de motifs) un ensemble de techniques et méthodes visant à identifier des motifs à partir de données brutes pour prendre une décision dépendant de la catégorie attribuée à ce motif[1]. On considère que c'est une branche de l'intelligence artificielle qui fait beaucoup appel aux techniques d'apprentissage automatique ainsi qu'aux statistiques.

Les formes ou motifs à reconnaître peuvent être de nature particulièrement variée. Il peut s'agir de contenu visuel (code barre, visage, empreinte digitale... ) ou sonore (reconnaissance de parole), d'images médicales (rayon X, EEG, IRM... ) ou multispectrales (images satellitaires) et bien d'autres.

Méthodes

La reconnaissance de motifs peut être effectuée au moyen de divers algorithmes d'apprentissage automatique tels :

Les formes recherchées peuvent être des formes géométriques, descriptibles par une formule mathématique, telles que :

Elle peuvent aussi être de nature plus complexe :

Les algorithmes de reconnaissance peuvent travailler sur des images en noir et blanc, avec en blanc les contours des objets se trouvant dans l'image. Ces images sont le fruit d'algorithmes de détection de contours. Ils peuvent aussi travailler sur des zones de l'image prédéfinies issues de la segmentation de l'image.

Méthodes de reconnaissance de formes :

  • Mise en correspondance de graphes
  • Méthode Bayesienne
  • Estimation Paramétrique
  • Classifieur linéaire
  • Réseau de neurones
  • Local feature focus
  • SVM : Support Vector Machine
  • Polytôpes de contrainte
  • Méthode des hypercubes

Un algorithme bien réputé pour la détection de formes, la transformée de Hough, est une méthode d'estimation paramétrique.

La méthode globale

Cette méthode caractérise une forme et extrait des paramètres caractéristiques de l'objet et les comparent par une méthode de classification ou de mise en correspondance à une base d'apprentissage. Par cette méthode, il est impossible d'extraire plusieurs formes de la même image sans pré-traitement.

La méthode multiple à partir de point d'intérêt

Dans cette approche, on extrait des points caractéristiques d'objets comme les coins via les détecteurs de Harris puis on extrait des caractéristiques aux voisinage de ce point. Avec ces caractéristiques, il est envisageable d'extraire plusieurs objets et de faire la reconnaissance de ceux-ci via un classifieur.

Applications

Bibliographie

Références

  1. Richard O. Duda, Peter E. Hart, David G. Stork (2001) Pattern classification (2nd edition), Wiley, New York, ISBN 0-471-05669-3.

Recherche sur Amazon (livres) :



Ce texte est issu de l'encyclopédie Wikipedia. Vous pouvez consulter sa version originale dans cette encyclopédie à l'adresse http://fr.wikipedia.org/wiki/Reconnaissance_de_formes.
Voir la liste des contributeurs.
La version présentée ici à été extraite depuis cette source le 07/04/2010.
Ce texte est disponible sous les termes de la licence de documentation libre GNU (GFDL).
La liste des définitions proposées en tête de page est une sélection parmi les résultats obtenus à l'aide de la commande "define:" de Google.
Cette page fait partie du projet Wikibis.
Accueil Recherche Aller au contenuDébut page
ContactContact ImprimerImprimer liens d'évitement et raccourcis clavierAccessibilité
Aller au menu