Apprentissage neuronal de caractéristiques spatio-temporelles pour la classification automatique de séquences vidéo

Moez Baccouche 1
1 imagine - Extraction de Caractéristiques et Identification
LIRIS - Laboratoire d'InfoRmatique en Image et Systèmes d'information
Résumé : Cette thèse s'intéresse à la problématique de la classification automatique des séquences vidéo. L'idée est de se démarquer de la méthodologie dominante qui se base sur l'utilisation de caractéristiques conçues manuellement, et de proposer des modèles qui soient les plus génériques possibles et indépendants du domaine. Ceci est fait en automatisant la phase d'extraction des caractéristiques, qui sont dans notre cas générées par apprentissage à partir d'exemples, sans aucune connaissance a priori. Nous nous appuyons pour ce faire sur des travaux existants sur les modèles neuronaux pour la reconnaissance d'objets dans les images fixes, et nous étudions leur extension au cas de la vidéo. Plus concrètement, nous proposons deux modèles d'apprentissage des caractéristiques spatio-temporelles pour la classification vidéo : (i) Un modèle d'apprentissage supervisé profond, qui peut être vu comme une extension des modèles ConvNets au cas de la vidéo, et (ii) Un modèle d'apprentissage non supervisé, qui se base sur un schéma d'auto-encodage, et sur une représentation parcimonieuse sur-complète des données. Outre les originalités liées à chacune de ces deux approches, une contribution supplémentaire de cette thèse est une étude comparative entre plusieurs modèles de classification de séquences parmi les plus populaires de l'état de l'art. Cette étude a été réalisée en se basant sur des caractéristiques manuelles adaptées à la problématique de la reconnaissance d'actions dans les vidéos de football. Ceci a permis d'identifier le modèle de classification le plus performant (un réseau de neurone récurrent bidirectionnel à longue mémoire à court-terme -BLSTM-), et de justifier son utilisation pour le reste des expérimentations. Enfin, afin de valider la généricité des deux modèles proposés, ceux-ci ont été évalués sur deux problématiques différentes, à savoir la reconnaissance d'actions humaines (sur la base KTH), et la reconnaissance d'expressions faciales (sur la base GEMEP-FERA). L'étude des résultats a permis de valider les approches, et de montrer qu'elles obtiennent des performances parmi les meilleures de l'état de l'art (avec 95,83% de bonne reconnaissance pour la base KTH, et 87,57% pour la base GEMEP-FERA).
Type de document :
Thèse
Autre [cs.OH]. INSA de Lyon, 2013. Français. <NNT : 2013ISAL0071>
Liste complète des métadonnées

https://tel.archives-ouvertes.fr/tel-00871107
Contributeur : Abes Star <>
Soumis le : vendredi 17 janvier 2014 - 14:52:10
Dernière modification le : lundi 6 février 2017 - 11:16:52
Document(s) archivé(s) le : vendredi 18 avril 2014 - 04:41:08

Fichier

these.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-00871107, version 2

Collections

Citation

Moez Baccouche. Apprentissage neuronal de caractéristiques spatio-temporelles pour la classification automatique de séquences vidéo. Autre [cs.OH]. INSA de Lyon, 2013. Français. <NNT : 2013ISAL0071>. <tel-00871107v2>

Partager

Métriques

Consultations de
la notice

394

Téléchargements du document

580