Sujet de master SIC : Détection et reconnaissance du feu dans les images Proposé par : Mohamed Ali Mahjoub – 16/07/2015 ([email protected]) Une grande partie du territoire agricole ou de forêt tunisiens n'est pas couverte par la stratégie de détection des feux pour la protection contre le feu. L'utilisation de caméras de surveillance permettrait d'avoir un portrait de la situation des feux sur l'ensemble du territoire. Une technique de détection et de suivi des feux de forêt pourrait être intéressante pour les secteurs éloignés situés dans la zone de protection restreinte surtout au nord du pays. L'objectif de cette étude est d'améliorer l'arsenal pour la lutte contre les feux de forêt. En outre, le contexte de ce sujet peut être lié à la situation suivante : une ville est supposée surveillée par un ensemble de caméras. Dans une situation de post-catastrophe naturelle, le système peut donner l’alerte si des feux se déclarent à différents endroits dans la ville. Ce système analyse les images prises par les caméras, et il peut reconnaître les incendies dans la ville. L’objectif de ce travail est développer une approche et une solution logicielle qui peut reconnaître des feux dans les images prises à partir de caméras de surveillance. Une solution de ce genre d’application comprend deux modules ; un module de segmentation d’images couleur et un module d’analyse des régions de l’image afin de vérifier si une ou plusieurs régions correspondent à du feu. En effet, après segmentation, on obtiendra l’image avec les régions ayant le même couleur avec feu (pas toujours la région du feu, par exemple le vêtement, le mur, …). Alors, dans cette étape, on traite avec chaque région pour décider si cette région est feu. On compte utiliser différentes propriétés pour décider si une région est feu ou non. Ce projet comprend deux phases ; la première consiste à proposer une méthode pour la segmentation non supervisé d’image couleur comprenant du feu. La deuxième phase consiste à étudier les régions segmentées de l’image pour identifier d’éventuelles régions représentant du feu. Cette dernière est basée sur une étude sur la représentation des couleurs et leur agencement. Sujet de mastère SIC : Approches de Construction Dynamique de Forêts Aléatoires Proposé par : Mohamed Ali Mahjoub – 16/07/2015 ([email protected]) Au cours de ces dernières années, les chercheurs qui travaillent sur les problématiques de Reconnaissance de Formes, se sont de plus en plus intéressés aux méthodes de classification qui utilisent des Combinaisons de Classifieurs. Certaines de ces méthodes ont montré qu'elles étaient particulièrement performantes. L'une des plus efficaces, et des plus récentes par ailleurs, est la famille de méthodes appelée Forêts Aléatoires (Random Forests). Les méthodes de Forêts Aléatoires s'appuient sur la combinaison parallèle d'un nombre arbitraire de classifieurs élémentaires de type Arbres de Décision. Un Arbre de Décision est un outil d'aide à la décision et à l'exploration de données qui, comme son nom l'indique, prend la forme d'un arbre, et qui permet de modéliser simplement, graphiquement et rapidement la répartition d'une population de données en groupes homogènes. Au sein d'une Forêt Aléatoire, chaque arbre est construit avec des valeurs de paramètres choisies aléatoirement. De cette façon on peut obtenir un ensemble d'Arbres de Décision adaptés au problème, mais différents les uns des autres et pouvant prendre des décisions différentes. S'agissant alors de classer un individu quelconque de la population de données étudiée, tous les Arbres de Décision fournissent un « vote » pour une classe, que l'on combine ensuite, généralement à l'aide d'un vote à la majorité, pour obtenir la décision finale. Les Forêts Aléatoires constituent une nouvelle famille de méthodes de classification dont la popularité auprès de la communauté scientifique va grandissante. Cette famille de méthodes fait l'objet d'études de plus en plus nombreuses, chacune contribuant à montrer qu'elles sont des méthodes pratiques, efficaces et performantes. Nous proposons pour notre part d'étudier certaines évolutions et améliorations possibles des algorithmes d'induction de Forêts Aléatoires. Les algorithmes d'induction de Forêts Aléatoires dit « classiques », suivent généralement le même schéma: • Définition du facteur aléatoire introduit dans la construction des Arbres de Décision. • Construction statique d'un nombre préalablement fixé d'Arbres de Décision. • Mise en place d'une méthode de combinaison des décisions. L'objectif du sujet est d'élaborer un principe de construction non plus statique mais dynamique, d'une Forêt Aléatoire qui s'appuierait sur une « sélection » des Arbres de Décision utilisés dans la forêt. Le but serait de pouvoir « guider » l'induction aléatoire des arbres, sur des critères plus déterministes. Une première question qui se pose alors est : « Quel critère faut-il mettre en œuvre pour la construction dynamique de Forêts Aléatoires? ». Si quelques chercheurs ont mis en évidence l'importance de certaines propriétés pour la construction d'un ensemble de classifieurs, comment les prendre en compte dans la construction dynamique des Forêts Aléatoires? La deuxième question importante à laquelle il faut répondre est : « Quelle méthode de sélection de classifieurs faut-il mettre en œuvre pour la construction dynamique de Forêts Aléatoires? ». Les méthodes proposées dans la littérature sont-elles adaptées aux Forêts Aléatoires ou est-il nécessaire de mettre au point un algorithme spécifique de sélection d'arbres de décision? C'est à toutes ces questions que nous aimerions apporter des réponses, l'objectif étant, après une analyse bibliographique des solutions proposées dans la littérature, de mettre en oeuvre plusieurs schémas de construction dynamique de Forêts Aléatoires et de réaliser une étude comparative de ces méthodes avec les méthodes dites « classiques ». Les expériences seront menées sur des problèmes de reconnaissance de mots manuscrits arabes issus de la base IFN.