ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Auteurs : soumettez
votre article en ligne
Autres revues >>

Traitement du Signal

0765-0019
Signal, Image, Parole
 

 ARTICLE VOL 34/1-2 - 2017  - pp.77-91  - doi:10.3166/ts.34.77-91
TITRE
Extraction et classification de caractéristique à l'aide de réseau neuronal convolutif profonde, d’analyse en composantes principales (PCA en anglais) et de SVC pour la reconnaissance faciale

TITLE
Feature extraction and classification using deep convolutional neural networks, PCA and SVC for face recognition

RÉSUMÉ

Récemment, la reconnaissance faciale a suscité l’intérêt de la communauté scientifique. Cette technique de biométrie efficace, non intrusive et sans contact occupe une place de plus en plus importante dans le domaine de la recherche. Cet article propose une méthode de reconnaissance faciale et de classification basée sur un apprentissage en profondeur, en particulier le réseau neuronal convolutif (CNN en anglais), qui s'avère être un outil puissant et qui a connu un grand succès dans la classification des images et la reconnaissance des formes. Dans cet article, l’approche de cette tâche est basée sur le réseau neuronal convolutif en tant qu’extraction de caractéristique puissante, suivi par la machine à vecteurs de support (SVM en anglais) qui se sert à un classificateur élevé. Pour réduire la dimension de ces caractéristiques, une technique d'analyse en composantes principales est utilisée. Nous effectuons une évaluation approfondie de nos méthodes sur l'ensemble de données de la technologie de reconnaissance ficiale ( FERET en anglais). Les résultats obtenus ont montré que la méthode du réseau neuronal convolutif associée aux solutions d’analyse en composantes principales et de SVC améliore considérablement les performances ainsi que la précision de la reconnaissance.



ABSTRACT

Recently, the facial recognition has aroused the interest of the scientific community, this technique of biometric that is effective, non-intrusive and contactless has taken an increasingly important part in the field of research. This paper proposes a face recognition and classification method based on deep learning, in particular Convolutional Neural Network (CNN), which are incredibly a powerful tools that have found great success in image classification and pattern recognition. In this work, the approach to this task is based on the Convolutional Neural Network (CNN) as a powerful feature extraction followed by Support Vector Machines (SVM) as a high classifier. To reduce the dimension of these features, a principal component analysis (PCA) technique is employed. We conduct an extensive evaluation of our methods on the FERET dataset. The results obtained showed that the proposed method CNN combine with PCA and Svc solution provide a significant improvement in performance and enhance the recognition accuracy.



AUTEUR(S)
Mohammed Kamel BENKADDOUR, Abdennacer BOUNOUA

MOTS-CLÉS
biométrie, reconnaissance faciale, extraction de caractéristique, réseau neuronal convolutif, machines à vecteurs de support, SVC, analyse en composantes principale.

KEYWORDS
biometrics, face recognition, feature extraction, convolutional neural network, CNN, support vector machines (SVM), SVC, principal component analysis, PCA.

LANGUE DE L'ARTICLE
Anglais

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (217 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier