| Etablissement | Université Mohamed Boudiaf des Sciences et de la Technologie - Mohamed Boudiaf d'Oran | | Affiliation | Département d'Informatique | | Auteur | HADDAG, Abdelkader | | Directeur de thèse | YEDJOUR Hayat (Maitre de conférence) | | Filière | Intelligence Artificielle | | Diplôme | Doctorat LMD | | Titre | La reconnaissance d’action humaine dans des séquences vidéo à base des modèles bio-inspirés | | Mots clés | réseaux de neuronesà convolution, reconnaissance d’actionhumaine, analyse vidéo, apprentissage profond, méthodes bio-inspirés. | | Résumé | La reconnaissance de l'action par différentes modalités a été abordée en psychophysique où des progrès remarquables ont été réalisés pour la compréhension de la perception de l'action. Comprendre l’action chez les primates est une tâche complexe qui rassemble plusieurs disciplines scientifiques partant de l'informatique, neuroscience et à la psychologie.Les travaux existant sur la reconnaissance de l'action se focalisent principalement sur le domaine des actions humaines, ce dernier a été abordé dans diverses applications en vision par ordinateur avec de nombreuses idées et concepts. Les approches proposées pour la reconnaissance d’action humaine reposent souvent sur des hypothèses simplifiées, des reconstitutions de scènes, ou sur l’analyse et de la représentation de mouvement. Tel qu’un ensemble considérable d'approches proposées est fondée sur les informations de mouvement en lui-même.
En considérant uniquement le mouvement, la tâche principale demandée dans ce projet de recherche est de proposer un nouveau modèle de réseau de neurones à convolution qui simule certaines capacités visuelles bien connues pour la reconnaissance d’action humaine, et présenter ainsi, les opportunités d'implémenter un tel modèle pour la reconnaissance d’action humaine dans des séquences vidéo.L’objectif est de produire un cadre alternatif puissant pour des applications réelles de la vision par ordinateur, qui bénéficieront des progrès récentsen neurosciences computationnelles ; d’explorer l'impact des techniques de l'apprentissage profond sur des données spatio-temporelles, en particulier la reconnaissance d'action en hybridant la solution avec des méthodes bio-inspirés.
| | Réponse CS | Validé | | Notes | ok | | Statut | Validé |
|