• English
    • français
  • Aide
  •  | 
  • Contact
  •  | 
  • À Propos
  •  | 
  • Ouvrir une session
  • Portail HAL
  •  | 
  • Pages Pro Chercheurs
  • EN
  •  / 
  • FR
Voir le document 
  •   Accueil de LillOA
  • Liste des unités
  • Centre de Recherche en Informatique, Signal et Automatique de Lille (CRIStAL) - UMR 9189
  • Voir le document
  •   Accueil de LillOA
  • Liste des unités
  • Centre de Recherche en Informatique, Signal et Automatique de Lille (CRIStAL) - UMR 9189
  • Voir le document
JavaScript is disabled for your browser. Some features of this site may not work without it.

Les Descripteurs de covariance profonds ...
  • BibTeX
  • CSV
  • Excel
  • RIS

Type de document :
Autre communication scientifique (congrès sans actes - poster - séminaire...): Communication dans un congrès avec actes
Titre :
Les Descripteurs de covariance profonds pour la reconnaissance des expressions faciales
Auteur(s) :
Otberdout, Naima [Auteur]
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Daoudi, Mohamed [Auteur]
Ecole nationale supérieure Mines-Télécom Lille Douai [IMT Nord Europe]
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Ballihi, Lahoucine [Auteur]
Laboratoire de Recherche Informatique et Télécommunications [LRIT]
Titre de la manifestation scientifique :
COmpression et REprésentation des Signaux Audiovisuels (CORESA)
Ville :
Sophia Antipolis
Pays :
France
Date de début de la manifestation scientifique :
2021-11-03
Mot(s)-clé(s) :
Apprentissage profond
matrices de covariance
matrices symétriques définies positives
reconnaissance des expressions faciales
Discipline(s) HAL :
Informatique [cs]/Vision par ordinateur et reconnaissance de formes [cs.CV]
Résumé :
Dans cet article, nous proposons une nouvelle approche exploitant la puissance des réseaux de neurones profonds pour encoder les caractéristiques nonlinéaires des expression faciales d'un visage et la puissance des matrices ...
Lire la suite >
Dans cet article, nous proposons une nouvelle approche exploitant la puissance des réseaux de neurones profonds pour encoder les caractéristiques nonlinéaires des expression faciales d'un visage et la puissance des matrices de covariance pour encoder les relations entres ces caractéristiques. Notre approche est basée sur l'idée d'encoder les cartes de caractéristiques locales et globales de la couche la plus profonde d'un réseau neuronal convolutif (DCNN) extraites des images fixes dans des matrices de covariance. Ces matrices de covariance sont symétriques définies positives (SPD). En effectuant la classification des expressions faciales en utilisant le noyau Gaussien sur la variété des matrices SPD, nous montrons que notre approche donne des résultats de classification meilleure que celle qui utilise les couches entièrement connectées et softmax. En effectuant des expérimentations sur trois bases de données des expressions faciales (Oulu-CASIA, CK+, SFEW), nous montrons que l'approche proposée atteint des performances compétitives par rapport à l'état de l'art.Lire moins >
Langue :
Français
Comité de lecture :
Oui
Audience :
Internationale
Vulgarisation :
Non
Collections :
  • Centre de Recherche en Informatique, Signal et Automatique de Lille (CRIStAL) - UMR 9189
Source :
Harvested from HAL
Fichiers
Thumbnail
  • https://hal.archives-ouvertes.fr/hal-03425705/document
  • Accès libre
  • Accéder au document
Thumbnail
  • https://hal.archives-ouvertes.fr/hal-03425705/document
  • Accès libre
  • Accéder au document
Thumbnail
  • https://hal.archives-ouvertes.fr/hal-03425705/document
  • Accès libre
  • Accéder au document
Thumbnail
  • document
  • Accès libre
  • Accéder au document
Thumbnail
  • Coresa_2021.pdf
  • Accès libre
  • Accéder au document
Université de Lille

Mentions légales
Université de Lille © 2017