Temporal signals classification

Résumé : De nos jours, il existe de nombreuses applications liées à la vision et à l’audition visant à reproduire par des machines les capacités humaines. Notre intérêt pour ce sujet vient du fait que ces problèmes sont principalement modélisés par la classification de signaux temporels. En fait, nous nous sommes intéressés à deux cas distincts, la reconnaissance de la démarche humaine et la reconnaissance de signaux audio, (notamment environnementaux et musicaux). Dans le cadre de la reconnaissance de la démarche, nous avons proposé une nouvelle méthode qui apprend et sélectionne automatiquement les parties dynamiques du corps humain. Ceci permet de résoudre le problème des variations intra-classe de façon dynamique; les méthodes à l’état de l’art se basant au contraire sur des connaissances a priori. Dans le cadre de la reconnaissance audio, aucune représentation de caractéristiques conventionnelle n’a montré sa capacité à s’attaquer indifféremment à des problèmes de reconnaissance d’environnement ou de musique : diverses caractéristiques ont été introduites pour résoudre chaque tâche spécifiquement. Nous proposons ici un cadre général qui effectue la classification des signaux audio grâce à un problème d’apprentissage de dictionnaire supervisé visant à minimiser et maximiser les variations intra-classe et inter-classe respectivement.
Type de document :
Thèse
Computer Vision and Pattern Recognition [cs.CV]. Normandie Université, 2017. English. 〈NNT : 2017NORMIR01〉
Liste complète des métadonnées

https://tel.archives-ouvertes.fr/tel-01515364
Contributeur : Abes Star <>
Soumis le : jeudi 27 avril 2017 - 13:24:52
Dernière modification le : mardi 3 octobre 2017 - 14:52:10
Document(s) archivé(s) le : vendredi 28 juillet 2017 - 12:50:17

Fichier

RIDA.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01515364, version 1

Collections

Citation

Imad Rida. Temporal signals classification. Computer Vision and Pattern Recognition [cs.CV]. Normandie Université, 2017. English. 〈NNT : 2017NORMIR01〉. 〈tel-01515364〉

Partager

Métriques

Consultations de
la notice

690

Téléchargements du document

85