Méthodes de reconnaissance de formes

Bonsoir.

Je suis actuellement en maths sup et je travaille sur un projet de reconnaissance de formes (pouvoir retrouver une forme à partir d'un modèle) quelconques sur python mais je ne sais pas comment continuer.

Pour le moment, je dispose de filtres, de la transformée de Hough sur les droites et les cercles et c'est tout.



Mes questions sont donc les suivantes :

- Même si je suis bien conscient que ce n'est pas ce qui manque sur la toile les méthodes de reconnaissances de formes, j'aimerais savoir quelles méthodes me conseilleriez vous de coder (spécifiquement à python ou non) et si vous auriez des sites explicitant permettant de comprendre le principe algorithmiquement parlant.

- Pensez vous qu'il est possible de faire quelques chose de la transformé de Hough dans le sens, la transformé de Hough a-t-elle quelque application dans le domaine de la reconnaissance de formes ?

Merci d'avance pour vos réponses. Cordialement. Olonto.

Quel(s) type(s) de forme dois tu retrouver ?
Est ce des images binaires ou est ce que la texture est importante ?
Est ce que les images sont déjà segmentées ?
Montre nous des exemples.

- Je serais à la recherche d'un certains personnage dans une image numérique (pas de contraste, texture ou autre à gérer).

- Les images que je traite sont à la base polychromatiques. Concrètement, je manipule des tableau de la forme (exemple pour une image 4*3) :

[[[255 255 255] [168 168 168] [175 171 88] [255 249 133]]
[[255 255 255] [155 155 155] [171 165 49] [255 242 0]]
[[255 255 255] [226 226 226] [195 195 195] [246 146 150]]]

- Pour le moment les images ne sont pas segmentées

- Et donc par exemple, si je prend cette image :
Pièce jointe 334176

Je souhaiterais retrouver par exemple superman. Et donc en connaissant quelque caractéristiques (la taille approximative du personnage, les couleurs types, les formes (triangles, ...)) je souhaiterais trouvé ce personnage dans plusieurs images.

Dans ce cas ce que tu souhaites faire c'est du "sub image detection". Je n'ai jamais eu à travailler dessus, mais une des méthodes les plus utilisées est Viola-Jones. Elle avait été créée pour détecter des visages, mais elle peut être modifiée pour tout.

J'ai trouvé ce papier.

Merci beaucoup pour ta réponse, je regarderais ça ce week-end.

Bonjour.

Désolé pour le temps de réponse.

J'ai finalement eu le temps de regarder la méthode de Viola-Jones pendant les vacances mais je n'arrive pas à trouvé une documentation pour le coder de A-Z, la plupart des sites redirigent vers openCV...

Mais le problème est que je n'arrive pas à trouver un quelconque topic qui présente réellement le fonctionnement.
Par exemple, pour réaliser ceci : https://www.youtube.com/watch?v=k3bJUP0ct08

Je n'arrive pas à trouver quel "chemin" il faut suivre et comment on compare à la base xml (pour le moment je pars d'une base déjà faite)

Je me suis également intéressé à l'algorithme SIFT, notamment avec les discussions du site. D'après vous, quel est l'algorithme le plus abordable/ rapidement faisable à mon niveau ?

Cordialement. Olonto.

Perso j'éviterai de coder et je prendrai une version déjà existante en OpenCV ou MatLab. Je suis étonné qu'elle n'existe pas non plus en Python dans scykit_learn par exemple. Surtout qu'il va te falloir ré-entrainer la méthode pour ton problème spécifique.
Par contre je ne l'ai jamais utilisé, donc je ne peux pas t'aider d'avantage.

sauf erreur, dans OpenCV on va retrouver le principe à travers les Haar Cascades directement basées sur la méthode de Viola et Jones

• Face Detection using Haar Cascades
• Caractéristiques pseudo-Haar

ps: en fouillant sur Github on trouve quelques implémentations de A à Z

Bonsoir.

Merci pour vos réponses.

Après le fait de coder est une partie quasiment incontournable dans le sens où l'importance est d'avantage axée sur le travail plutôt que le résultat vraiment en lui même. Donc après il est vrai que j'ai aperçu un tutoriel sur comment entraîner un classifieur, je tacherais de regarder ce week-end afin de voir s'il y'a vraiment un intérêt à l’entraîner. Même si je suis conscient que de toute façon si je l'entraîne pas, il sera inefficace pour la reconnaissance de formes dans mon problème actuel, le sujet n'est pas nécessairement définitif et peut donc évoluer en cas de besoin.

D'accord, je me suis sans doute arrêté un peu trop en surface. En voyant le code du SIFT, la programmation étant complètement différente de celle que j'utilise habituellement, je doit avouer que ça m'a parut un peu trop long à coder par moi même sans même savoir si le résultat serait correcte une fois le tout fini.

Cordialement. Olonto.