Les visages. GIF-4105/7101 Photographie Algorithmique, Hiver 2015 Jean-François Lalonde

Documents pareils
Analyse de la vidéo. Chapitre La modélisation pour le suivi d objet. 10 mars Chapitre La modélisation d objet 1 / 57

Je sais utiliser. Logiciel gratuit de gestion des photos. Étude en 5 parties

Synthèse d'images I. Venceslas BIRI IGM Université de Marne La

Laboratoire 4 Développement d un système intelligent

Détection des deux roues motorisés par télémétrie laser à balayage

Enregistrement et transformation du son. S. Natkin Novembre 2001

Ne cherchez plus, soyez informés! Robert van Kommer

Projet de Traitement du Signal Segmentation d images SAR

Chapitre 22 Optimisation pour diffusion à l'écran, pour le web

Sillage Météo. Notion de sillage

Business Intelligence simple et efficace

Dans l Unité 3, nous avons parlé de la

INF6304 Interfaces Intelligentes

BNP Paribas Personal Finance

physicien diplômé EPFZ originaire de France présentée acceptée sur proposition Thèse no. 7178

Comment sauvegarder ses documents

Tutoriels Concours FPF.odt Fait par Henri Peudennier le 26/01/2014 1/12

Initiation à linfographie

Algorithmes de recommandation, Cours Master 2, février 2011

Géométrie discrète Chapitre V

Comment Créer une Base de Données Ab Initio

Sage BOB 50 Fonctionnalités financières

Monitoring continu et gestion optimale des performances énergétiques des bâtiments

Le passé composé. C'est le passé! Tout ça c'est du passé! That's the past! All that's in the past!

Python - introduction à la programmation et calcul scientifique

Mathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans

La visio-conférence holographique : Pourquoi? Comment?

AGSI : historique. Aurélien Guitet. AGSI : historique. AGSI : 3 sites. Freelance-info. Carrière-info. SSII Le Jeu. Espaces annonceurs.

ANGULAR JS AVEC GDE GOOGLE

Utilisation d Hyperplanning 2011

Master IMA - UMPC Paris 6 RDMM - Année Fiche de TP

Paramètres d accessibilité des systèmes d exploitation Windows et Mac

Traitement bas-niveau

Echantillonnage Non uniforme

SSTIC Désobfuscation automatique de binaires. Alexandre Gazet. Yoann Guillot. Et autres idyles bucoliques...

Etat de l art de la Reconnaissance de Visage.

Exercices Corrigés Premières notions sur les espaces vectoriels

Nos produits, nos prestations et notre savoir-faire

Cours IV Mise en orbite

L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ

ANDRITZ Atro Vis hydrodynamique

Optimisation, traitement d image et éclipse de Soleil

GUIDE D UTILISATION DE I-PHOTO

9,95 $/la première année*

Utiliser un proxy sous linux

Traitement numérique de l'image. Raphaël Isdant

Comment optimiser dans ImageReady?

ÉdIteur officiel et fournisseur de ServIceS professionnels du LogIcIeL open Source ScILab

Le Futur de la Visualisation d Information. Jean-Daniel Fekete Projet in situ INRIA Futurs

Reconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12

Proposition année universitaire-informatique ( )

VISUALISATION DE NUAGES DE POINTS

R-ICP : une nouvelle approche d appariement 3D orientée régions pour la reconnaissance faciale

INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES

Présentation du sujet de thèse Schémas temporels hybrides fondés sur les SVMs pour l analyse du comportement du conducteur

". TY convertisseur statique, et des condensateurs de filtrage.

Chapitre 3. Les distributions à deux variables

Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR

OpenOffice.org Calc Ouvrir un classeur

Merci de suivre les indications suivantes afin de créer votre compte membre :

Les services de la PLM Mathrice. Et quelques outils de web-conférence

«Les outils Web au service du B2B» INFOPRESSE Octobre 2007

Commande Prédictive des. Convertisseurs Statiques

PRINCIPE MICROSCOPIE CONFOCALE

Solution de Cloud Trading (VPS)

Object Removal by Exemplar-Based Inpainting

Phone Manager Soutien de l'application OCTOBER 2014 DOCUMENT RELEASE 4.1 SOUTIEN DE L'APPLICATION

INTRODUCTION AU DATA MINING

Freeway 7. Nouvelles fonctionnalités

Architecture des ordinateurs

Concepts clés associés aux outils logiciels, exemples

Mini_guide_Isis_v6.doc le 10/02/2005 Page 1/15

Technique de compression des images médicales 4D

Catégories de format d'optimisation

Post-processing of multimodel hydrological forecasts for the Baskatong catchment

L humain et ses données, le «quantified self»

italc - GUIDE DE PRISE EN MAIN RAPIDE

Projet audio. Analyse des Signaux ELE2700

Étudier si une famille est une base

Structure du format BMP, sa lecture, sa construction et son écriture

BIG Data et R: opportunités et perspectives

Leçon N 5 PICASA Généralités

Contrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre.

$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU

Comment Définir une Plage de données Pour Utiliser Fonctions de Filtres et de Tris

SPEEDSCAN /3SHAPE SCANNER ET LOGICIEL DE DAO POUR LA TECHNIQUE DENTAIRE

Un code-barre sur la tête?

BIRT (Business Intelligence and Reporting Tools)

Manuel d'utilisation de l'administration du site Japo.ch - 1

Apprentissage Automatique

VOS PREMIERS PAS AVEC TRACENPOCHE

Projet Matlab/Octave : segmentation d'un ballon de couleur dans une image couleur et insertion d'un logo

Phone Manager Soutien de l'application OCTOBER 2014 DOCUMENT RELEASE 4.1 SOUTIEN DE L'APPLICATION

Comment réaliser physiquement un ordinateur quantique. Yves LEROYER

NTP (Network Time Protocol)

MAGNA3 BIEN PLUS QU UN CIRCULATEUR

L exclusion mutuelle distribuée

Intégrer des médias. Plateforme e-tourisme. demo.minisites.encharentemaritime.com

Analyse d images. Edmond.Boyer@imag.fr. Edmond Boyer UFRIMA 1

ESPACE MULTIMEDIA DU CANTON DE ROCHESERVIERE

Transcription:

Les visages GIF-4105/7101 Photographie Algorithmique, Hiver 2015 Jean-François Lalonde Merci à Derek Hoiem, Lana Lazebnik, Silvio Savarese, Fei-Fei Li

Détection et reconnaissance de visages Détection Reconnaissance Isabelle

Applications Organisation d albums Photographie numérique

Détection

Comment trouver un visage dans une image? Filtrons avec un visage? Quel visage??

Apprenons le filtre! Normalize mean and standard deviation SVM

Détection de visages: fenêtre glissante Filtre (modèle) Plusieurs échelles

Quelle représentation? Filtres de Haar (Viola Jones 2000)

Pourquoi c est difficile?

Expressions

Orientation

Occlusions

Illumination Source: http://www.multipie.org

http://www.faceplusplus.com/demo-landmark/

Application commerciale: iphoto https://www.apple.com/ca/mac/iphoto/

Application commerciale: iphoto http://www.flickr.com/groups/977532@n24/pool/

Application commerciale: iphoto http://www.flickr.com/groups/977532@n24/pool/

Reconnaissance

Reconnaissance de visages 1. Détection 2. Alignement x 3. Représentation 4. Classification

Exemple simple Représentation = l image elle-même! x Reconnaissance par plus proche voisin y...y 1 n k = argmin k T k y x

DeepFace Alignement en 3D Apprentissage par réseaux profonds

Alignement

Alignement Antonio Torralba & Aude Oliva (2002) Moyennes: des centaines d images contenant une personne sont moyennées pour révéler les régularités dans les variations d intensité à travers toutes les images

Cross-Dissolve vs. Morphage Crédit: James Hays

Comment calculer le visage moyen? http://www2.imm.dtu.dk/~aam/datasets/datasets.html

Apparence vs forme Vecteur d apparence Vecteur de dimensions 200*150*3 200*150 pixels (RGB) Vecteur de forme Vecteur de dimensions 43*2 43 coordonnées (x,y)

Notre visage moyen Crédit: Yannick Hold-Geoffroy

L homme moyen

La femme moyenne

Autres moyennes Femme moyenne Homme moyen Enfant moyen Homme souriant moyen faceresearch.org

Eigenfaces ( visages propres ) Données d entraînement

Analyse en Composantes Principales Étant donné un ensemble de points dans un espace à M dimensions, l ACP trouve: les directions de variations principales perpendiculaires les coefficients de chacune de ces directions, indiquant la quantité de variation présente Le premier vecteur indique la direction de variation la plus importante, le deuxième x1 2eme composante principale x1 1ère composante principale x0 x0

ACP Démo Matlab!

ACP Technique de réduction de dimensionnalité : on peut conserver seulement les n vecteurs propres les plus importants (car ce sont eux qui capturent les directions de variation dans notre signal!) n vecteurs = un système de coordonnées approximatif, qui minimise la somme des différences au carré (encore celle-là!) de tous les bases possibles! valeurs propres 1 n M

"Visages propres Les vecteurs propres sont des images! Qu est-ce qu ils indiquent?

Visages propres Effectuer ACP sur des visages nous donne un système de coordonnées Si le nombre de vecteurs est assez grand pour représenter l espace des visages adéquatement: Tous les visages peuvent être représentés par une combinaison linéaire de ces vecteurs!

Application: rasage virtuel Hoai et al., Eurographics 2008

La barbe! Hoai et al., Eurographics 2008

Problèmes Les données doivent être alignées!

Utilisons aussi la forme! Vecteur d apparence Vecteur de dimensions 200*150*3 200*150 pixels (RGB) Vecteur de forme Vecteur de dimensions 43*2 43 coordonnées (x,y)

Manipulons les visages http://www.faceresearch.org/demos/transform Visage courant Visage transformé Prototype 1 Prototype 2

Autres attributs

Face recognition by humans: 20 results all computer vision researchers should know about Sinha et al., 2005

Résultat 1 Nous pouvons reconnaître les visages à très faible résolution re 1. Unlike current machine based systems, human observers are able to handle signifi

Résultat 4 Les hautes fréquences à elles seules en sont pas suffisantes pour reconnaître un visage

Résultat 5 Les sourcils sont parmi les parties du visage les plus importantes!

Résultat 8 L inversion du visage affecte dramatiquement les performances!

Résultat 18 Une partie de notre cerveau est dédiée aux visages

Résultat 20 Notre mémoire est limitée lorsque les visages sont vus rapidement

Laquelle est plus belle?

https://www.youtube.com/watch?v=lvbruuwk-8g

Survol