Discussion :

[safojava]

Slt, j'ai un probleme avec La méthode acp pour la détection de visage ; j'ai déja fait son algorithme : j'ai par exemple 5 image de visage et 5 de non visage et j'ai trouvé les composants principales mais le probleme est que si maintenant j'ai une nouvelle image contient des visages et non visages comment je calcul la distance euclidienne entre koi et koi ( les vecteurs les composants...)? pour ke je puisse décidé ça c un visage ou non ..et merci d'avance .

[shaiHulud]

Bonjour,

Tu as plusieurs solution:

S'i il existe un axe i sur lequel les visages et les non visages s'opposent, un test du genre [coord(i)> seuil -> visages] et [coord(i)< seuil -> non visage] marchera

Si tes 2 classes ne sont pas aussi bien séparées par l'ACP, tu peux filtrer ton nuage avec quelques axes, calculer le point moyen des visages et celui des non visages, et enfin choisir le groupe dont l'image que tu cherches à identifier est la plus proches en distance euclidienne dans le sous-espace vectoriel que tu aura retenu.

Je me suis mis dans le cas ou tu fais une ACP sur l'ensemble des visages et non pas une par visage.

[safojava]

Merci pour la réponse mais j'ai tombé dans le 2 eme cas ou mes classes ne sont pas bien séparé mon probleme et que j'ai pas trouvé des documents concernat acp avec la distance euclidienne j'ai trouvé la fonction pdist pour calculé cette distance mais est-ce-que la distance entre le nouveau composant et les composants ancienne ou entre les vecteurs propres et merci ...

[shaiHulud]

Je te conseille plutot de refaire le calcul à la main: utilises la fonction SVD et reconstitue tes données en supprimant les petites valeurs propres. (en ce qui concerne pdist, soit tu prends directement la distance euclidienne sum((x-y).^2), soit tu égalises les valeurs propres avant la reconstitution et tu tombes sur Mahalonobis)

Encore une fois, tu as plusieurs solutions. Je pensais de base à calculer le point moyen de chaque groupe (V: Visage et NV), puis à prendre les distances entre un nouveau point (une nouvelle image) et les deux points moyens (donc distance entre points moyens, i.e coordonnées sur les facteurs).

On doit aussi pouvoir utiliser les directions des vecteurs propres directement, mais dans ce cas il faut faire une ACP par image et comparer les angles entre les facteurs principaux.

[safojava]

merci bien aprés les recherches j'ai tombé sur les mêmes réponses je prend svd en considértion, j'ai calculé le point moyen pour les 2 groupes en premier lieu j'ai trouvé des bons résultats mais a la fin j'ai kelle erreurs donc je doit changé quelque truc soit les images soit le calcul et merci pour la 2 eme fois vous avez bien compris mon probleme .....