Étude des systèmes de reconnaissance adaptatifs et évolutifs dans les environnements dynamiques

侦察适应系统和动态环境的研究

• 批准号: RGPIN-2015-04490
• 负责人: Sabourin, Robert
• 金额: $ 2.62万
• 依托单位: École de technologie supérieure
• 依托单位国家: 加拿大
• 项目类别: Discovery Grants Program - Individual
• 财政年份: 2018
• 资助国家: 加拿大
• 起止时间: 2018-01-01 至 2019-12-31
• 项目状态: 已结题
• 来源: https://www.nserc-crsng.gc.ca/ase-oro/Details-Detailles_eng.asp?id=664007
• 关键词: tude; des; syst; mes; de

La conception des systèmes de surveillance biométriques repose sur les techniques de reconnaissance de formes (SR) et d'apprentissage machine robustes. En fait, pour être robustes, les SR doivent être en mesure de s'adapter aux conditions changeantes des environnements pour lesquels ils sont déployés. Par exemple, les variations d'illumination et de l'orientation du visage pour la reconnaissance faciale dans un contexte de vidéosurveillance; la variation temporelle de la forme de la signature manuscrite pour la vérification de l'identité des scripteurs, etc.***    Malgré tous les efforts déployés par les chercheurs dans les domaines de l'apprentissage-machine et de la reconnaissance de formes, plusieurs problèmes spécifiques à la conception de SR adaptatifs demeurent non résolus. En particulier, la création de classifieurs fiables passe nécessairement par l'apprentissage des ensembles de classifieurs (EoC). Cependant, il n'y a pas consensus chez les chercheurs concernant la meilleure approche à suivre pour la création des comités d'experts.***    Un problème fondamental et souvent négligé est de doter les systèmes de reconnaissance de la capacité de s'adapter en présence de nouvelles données, de nouvelles caractéristiques, de nouvelles classes, etc. De plus, les solutions proposées dans la littérature spécialisée sur les problèmes reliés à la vidéosurveillance, la détection d'intrusions et la vérification des signatures manuscrites sont pour la plupart conçues pour les environnements statiques. L'hypothèse forte est alors que les paramètres du problème de reconnaissance sont parfaitement connus lors de la conception du système de classification et que ceux-ci ne changeront pas dans le temps. Conséquemment, ces systèmes ne sont pas aussi performants lorsqu'ils sont déployés dans le monde réel puisque très souvent ces environnements sont dynamiques.***    L'objectif principal de notre programme de recherche réside dans la mise en oeuvre d'une méthodologie efficace pour la conception de systèmes de reconnaissance adaptatifs et évolutifs, capables d'apprendre de manière incrémentale sur des nouvelles données dans les environnements statiques et dynamiques. Cet objectif se traduit par plusieurs objectifs spécifiques à court terme reliés à la définition de nouvelles méthodes robustes pour : (1) la sélection des exemples et des caractéristiques dans les espaces de différences, (2) l'apprentissage adaptatif et évolutif des EoC dans l'espace ROC et (3) la sélection dynamique de classifieurs adaptés aux environnements statiques et dynamiques. Les algorithmes évolutionnaires et l'apprentissage machine seront au centre de nos travaux. ***    Les méthodes développées dans le présent programme de recherche seront suffisamment générales pour être utilisées pour la conception de systèmes de reconnaissance de formes indépendamment de l'application visée.

生物识别监视系统的概念涉及形式侦察 (SR) 技术和机器坚固性。事实上，为了坚固耐用，SR 会测量部署环境中的适配器条件变化。例如，视频监控背景下面部侦察的照明和方向变化；签名手稿的形式变化，用于验证脚本者的身份等。***    Malgré tous les精力部署在学徒机器领域和形式侦察上，以及SR适应概念中的具体问题 demeurent non résolus.特别是，分类器错误的创建已经成为分类器集成学徒 (EoC) 的必要条件。最后，我们就专家委员会创建的最佳方法达成共识。*** 存在问题的适配器能力侦察系统的根本问题和解决方案中篇小说 另外，还针对视频监控、入侵检测和签名验证等问题提出了解决方案，以解决这些问题 environnements statiques.假设的强度是侦察问题的参数，与分类系统的概念和时间的变化有关。 Conséquemment, ces systèmes ne sont pas aussi Performants lorsqu'ils sont déployés dans le monde réel puisque très souvent ces environnements sont Dynamiques.***                                                                                                                                                                       efficace pour la conception de 侦察适应和演变系统，能够在静态和动态环境中对新的情况进行增量处理。 Cet objectif se traduit par plusieurs spécifiques à Court terme reliés à la définition de nouvelles méthode robots pours pour : (1) la sélection des exemples et des caractéristiques dans les espaces de différences, (2) l'apprentissage adjustment et évolutif des EoC dans l'espace ROC (3) 适应静态和动态环境的分类动态选择。算法进化和学徒机器位于工作中心。 *** 目前的研究计划的开发方法是为了独立应用程序侦察系统的概念而使用的。