{"id":{"repo_id":"ets-quebec","oai_identifier":"oai:espace.etsmtl.ca:1023"},"canonical_url":"https://search.ndltd.org/etd/ets-quebec/oai:espace.etsmtl.ca:1023","repository":{"repo_id":"ets-quebec","name":"ETS (Quebec)","base_url":"https://espace.etsmtl.ca/cgi/oai2"},"display":{"title":"Réalisation de classificateurs neuroniques pour la reconnaissance à basse puissance de visages dans des séquences vidéo","abstract":"La biométrie a été proposée comme solution à la multiplication des codes et mots de passe nécessaire pour sécuriser du matériel électronique mobile. Dans cet ouvrage, une technique pour la réalisation d’un système de reconnaissance de visages dans des séquences vidéo à faible consommation d’énergie est proposée et sa performance dans trois implémentations matérielles est évaluée. Cette technique est basée sur l’entrainement de classificateurs neuroniques de type fuzzy ARTMAP à l’aide d’une stratégie d’apprentissage optimisant simultanément les hyperparamètres, la valeur des poids synaptiques et la structure des réseaux de neurones avec un algorithme d’optimisation multiobjective par essaims de particules. Trois processeurs commercialement offerts ont été retenus pour évaluer la performance de l’implémentation matérielle du système de reconnaissance. Ce sont le Core i3-530 d’Intel, l’Atom N270 lui aussi d’Intel et le Vocallo MGW de la compagnie Octasic. La qualité des prédictions d’identité, l’espace mémoire utilisé, le temps de traitement ainsi que la consommation d’énergie ont été évalués à l’aide de la base de données vidéo IIT-CNRC. Les résultats ont montré que le temps passé par les noeuds de calcul du processeur Vocallo MGW à communiquer entre eux est négligeable comparativement au temps de traitement total. Il est possible d’estimer la qualité des prédictions du réseau de neurones fuzzy ARTMAP entrainé avec la stratégie d’apprentissage OMOEP en fonction du nombre de caractéristiques retenues dans les motifs d’entrée à l’aide d’un classificateur de type « plus proche voisin ». La croissance exponentielle de la taille des réseaux de neurones en fonction du nombre de caractéristiques présentes dans les motifs d’entrée favorise l’utilisation du plus petit nombre de caractéristiques possible. Finalement, l’utilisation de l’algorithme fuzzy ARTMAP entrainé avec une stratégie OMOEP permet de trouver le meilleur compromis entre la qualité de prédiction et la quantité de ressources utilisées. Cette solution couplée avec un processeur parallèle de basse puissance permet d’obtenir une faible consommation d’énergie tout en maintenant un taux de classification intéressant et un temps de traitement proche du temps réel.","abstract_html":"La biométrie a été proposée comme solution à la multiplication des codes et mots de passe nécessaire pour sécuriser du matériel électronique mobile. Dans cet ouvrage, une technique pour la réalisation d’un système de reconnaissance de visages dans des séquences vidéo à faible consommation d’énergie est proposée et sa performance dans trois implémentations matérielles est évaluée. Cette technique est basée sur l’entrainement de classificateurs neuroniques de type fuzzy ARTMAP à l’aide d’une stratégie d’apprentissage optimisant simultanément les hyperparamètres, la valeur des poids synaptiques et la structure des réseaux de neurones avec un algorithme d’optimisation multiobjective par essaims de particules. Trois processeurs commercialement offerts ont été retenus pour évaluer la performance de l’implémentation matérielle du système de reconnaissance. Ce sont le Core i3-530 d’Intel, l’Atom N270 lui aussi d’Intel et le Vocallo MGW de la compagnie Octasic. La qualité des prédictions d’identité, l’espace mémoire utilisé, le temps de traitement ainsi que la consommation d’énergie ont été évalués à l’aide de la base de données vidéo IIT-CNRC. Les résultats ont montré que le temps passé par les noeuds de calcul du processeur Vocallo MGW à communiquer entre eux est négligeable comparativement au temps de traitement total. Il est possible d’estimer la qualité des prédictions du réseau de neurones fuzzy ARTMAP entrainé avec la stratégie d’apprentissage OMOEP en fonction du nombre de caractéristiques retenues dans les motifs d’entrée à l’aide d’un classificateur de type « plus proche voisin ». La croissance exponentielle de la taille des réseaux de neurones en fonction du nombre de caractéristiques présentes dans les motifs d’entrée favorise l’utilisation du plus petit nombre de caractéristiques possible. Finalement, l’utilisation de l’algorithme fuzzy ARTMAP entrainé avec une stratégie OMOEP permet de trouver le meilleur compromis entre la qualité de prédiction et la quantité de ressources utilisées. Cette solution couplée avec un processeur parallèle de basse puissance permet d’obtenir une faible consommation d’énergie tout en maintenant un taux de classification intéressant et un temps de traitement proche du temps réel.","abstract_has_math":false,"creators":["Prieur, Donavan"],"institution":"École de technologie supérieure","degree_name":"Mémoire de maîtrise électronique","degree_level":"masters","degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2012,"date_issued":"2012-06-11","date_published":"2012-06-11","updated_at":"2026-11-18T22:05:52Z","subjects":["Reconnaissance des visages (Informatique). Biométrie. Vidéo, parallèle, basse puissance, fuzzy ARTMAP, essaim de particules, multiobjectif, biométrie"],"languages":["fr"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["INSERT-YOUR-LIBRARY-ID-HERE1023"],"render_values":[{"text":"INSERT-YOUR-LIBRARY-ID-HERE1023","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":null,"outbound_label":null,"outbound_source":null,"record_url":null,"record_label":null,"record_kind":null,"record_source":null,"download_url":"https://espace.etsmtl.ca/id/eprint/1023/1/PRIEUR_Donavan.pdf","download_label":"Download PDF","download_source":"dc:identifier","access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://espace.etsmtl.ca/cgi/oai2?verb=GetRecord&metadataPrefix=oai_etdms&identifier=oai%3Aespace.etsmtl.ca%3A1023","prefix":"oai_etdms"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Prieur, Donavan"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2012-06-11"]},{"key":"dc:publisher","label":"Institution","values":["École de technologie supérieure"]},{"key":"dc:type","label":"Dc Type","values":["Electronic Thesis or Dissertation"]},{"key":"thesis:degree_level","label":"Degree Level","values":["masters"]},{"key":"thesis:degree_name","label":"Degree Name","values":["Mémoire de maîtrise électronique"]},{"key":"thesis:institution_name","label":"Thesis Institution Name","values":["École de technologie supérieure"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Reconnaissance des visages (Informatique). Biométrie. Vidéo, parallèle, basse puissance, fuzzy ARTMAP, essaim de particules, multiobjectif, biométrie"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["fr"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["INSERT-YOUR-LIBRARY-ID-HERE1023","https://espace.etsmtl.ca/id/eprint/1023/1/PRIEUR_Donavan.pdf","https://espace.etsmtl.ca/id/eprint/1023/2/PRIEUR_Donavan-web.pdf"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["La biométrie a été proposée comme solution à la multiplication des codes et mots de passe nécessaire pour sécuriser du matériel électronique mobile. Dans cet ouvrage, une technique pour la réalisation d’un système de reconnaissance de visages dans des séquences vidéo à faible consommation d’énergie est proposée et sa performance dans trois implémentations matérielles est évaluée. Cette technique est basée sur l’entrainement de classificateurs neuroniques de type fuzzy ARTMAP à l’aide d’une stratégie d’apprentissage optimisant simultanément les hyperparamètres, la valeur des poids synaptiques et la structure des réseaux de neurones avec un algorithme d’optimisation multiobjective par essaims de particules. Trois processeurs commercialement offerts ont été retenus pour évaluer la performance de l’implémentation matérielle du système de reconnaissance. Ce sont le Core i3-530 d’Intel, l’Atom N270 lui aussi d’Intel et le Vocallo MGW de la compagnie Octasic. La qualité des prédictions d’identité, l’espace mémoire utilisé, le temps de traitement ainsi que la consommation d’énergie ont été évalués à l’aide de la base de données vidéo IIT-CNRC. Les résultats ont montré que le temps passé par les noeuds de calcul du processeur Vocallo MGW à communiquer entre eux est négligeable comparativement au temps de traitement total. Il est possible d’estimer la qualité des prédictions du réseau de neurones fuzzy ARTMAP entrainé avec la stratégie d’apprentissage OMOEP en fonction du nombre de caractéristiques retenues dans les motifs d’entrée à l’aide d’un classificateur de type « plus proche voisin ». La croissance exponentielle de la taille des réseaux de neurones en fonction du nombre de caractéristiques présentes dans les motifs d’entrée favorise l’utilisation du plus petit nombre de caractéristiques possible. Finalement, l’utilisation de l’algorithme fuzzy ARTMAP entrainé avec une stratégie OMOEP permet de trouver le meilleur compromis entre la qualité de prédiction et la quantité de ressources utilisées. Cette solution couplée avec un processeur parallèle de basse puissance permet d’obtenir une faible consommation d’énergie tout en maintenant un taux de classification intéressant et un temps de traitement proche du temps réel."]},{"key":"dc:format","label":"Dc Format","values":["application/pdf"]},{"key":"dc:title","label":"Title","values":["Réalisation de classificateurs neuroniques pour la reconnaissance à basse puissance de visages dans des séquences vidéo"]}]}],"canonical_facts":{"dc:creator":["Prieur, Donavan"],"dc:date":["2012-06-11"],"dc:description":["La biométrie a été proposée comme solution à la multiplication des codes et mots de passe nécessaire pour sécuriser du matériel électronique mobile. Dans cet ouvrage, une technique pour la réalisation d’un système de reconnaissance de visages dans des séquences vidéo à faible consommation d’énergie est proposée et sa performance dans trois implémentations matérielles est évaluée. Cette technique est basée sur l’entrainement de classificateurs neuroniques de type fuzzy ARTMAP à l’aide d’une stratégie d’apprentissage optimisant simultanément les hyperparamètres, la valeur des poids synaptiques et la structure des réseaux de neurones avec un algorithme d’optimisation multiobjective par essaims de particules. Trois processeurs commercialement offerts ont été retenus pour évaluer la performance de l’implémentation matérielle du système de reconnaissance. Ce sont le Core i3-530 d’Intel, l’Atom N270 lui aussi d’Intel et le Vocallo MGW de la compagnie Octasic. La qualité des prédictions d’identité, l’espace mémoire utilisé, le temps de traitement ainsi que la consommation d’énergie ont été évalués à l’aide de la base de données vidéo IIT-CNRC. Les résultats ont montré que le temps passé par les noeuds de calcul du processeur Vocallo MGW à communiquer entre eux est négligeable comparativement au temps de traitement total. Il est possible d’estimer la qualité des prédictions du réseau de neurones fuzzy ARTMAP entrainé avec la stratégie d’apprentissage OMOEP en fonction du nombre de caractéristiques retenues dans les motifs d’entrée à l’aide d’un classificateur de type « plus proche voisin ». La croissance exponentielle de la taille des réseaux de neurones en fonction du nombre de caractéristiques présentes dans les motifs d’entrée favorise l’utilisation du plus petit nombre de caractéristiques possible. Finalement, l’utilisation de l’algorithme fuzzy ARTMAP entrainé avec une stratégie OMOEP permet de trouver le meilleur compromis entre la qualité de prédiction et la quantité de ressources utilisées. Cette solution couplée avec un processeur parallèle de basse puissance permet d’obtenir une faible consommation d’énergie tout en maintenant un taux de classification intéressant et un temps de traitement proche du temps réel."],"dc:format":["application/pdf"],"dc:identifier":["INSERT-YOUR-LIBRARY-ID-HERE1023","https://espace.etsmtl.ca/id/eprint/1023/1/PRIEUR_Donavan.pdf","https://espace.etsmtl.ca/id/eprint/1023/2/PRIEUR_Donavan-web.pdf"],"dc:language":["fr"],"dc:publisher":["École de technologie supérieure"],"dc:subject":["Reconnaissance des visages (Informatique). Biométrie. Vidéo, parallèle, basse puissance, fuzzy ARTMAP, essaim de particules, multiobjectif, biométrie"],"dc:title":["Réalisation de classificateurs neuroniques pour la reconnaissance à basse puissance de visages dans des séquences vidéo"],"dc:type":["Electronic Thesis or Dissertation"],"thesis:degree_level":["masters"],"thesis:degree_name":["Mémoire de maîtrise électronique"],"thesis:institution_name":["École de technologie supérieure"]},"updated_at":"2026-11-18T22:05:52Z"}