ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique

APPEL À
CONTRIBUTION
« Intelligence Artificielle et Agriculture Numérique »
En savoir plus >>
Autres revues >>

Revue d'Intelligence Artificielle

0992-499X
Revue des Sciences et Technologies de l'Information
Nouvel éditeur en 2019
 

 ARTICLE VOL 32/SI - 2018  - pp.67-78  - doi:10.3166/ria.32.s1.67-78
TITRE
Algorithme de reconnaissance d'images basé sur l'apprentissage en profondeur pour la forme fécale des lapins domestiques

TITLE
A deep learning-based image recognition algorithm for fecal shape of domestic rabbits

RÉSUMÉ

La surveillance manuelle de la forme fécale consomme beaucoup d’énergie et n’arrive pas à obtenir des résultats opportuns et précis. Pour résoudre ces problèmes, cet article met en avant un algorithme de reconnaissance d'image basé sur un apprentissage en profondeur, qui réalise la reconnaissance automatique de la forme fécale des lapins domestiques. Tout à bord, l’image originale a été améliorée par le blanchiment d’analyse en composantes principales (PCA, le sigle de « principal component analysis » en anglais) et d’analyse par zéro composante (ZCA, le sigle de « zero components analysis » en anglais), éliminant ainsi la redondance des données provoquée par la forte corrélation entre les pixels de l’image. Après cela, l’algorithme du gradient stochastique (SGD, le sigle de « stochastic gradient descent » en anglais) a été introduite pour optimiser le réseau de neurones, et le surapprentissage a été résolu par le décrochage, suivi d'une décomposition convolutionnel et d'une fusion de fonctionnalité. Enfin, il a été prouvé par des expérimentations que l'algorithme proposé était efficace et avantageux pour la reconnaissance de la forme fécale des lapins domestiques.



ABSTRACT

The manual monitoring of fecal shape consumes lots of energy and fails to provide timely and accurate results. To solve the problems, this paper puts forward an image recognition algorithm based on deep learning, which realizes the automatic recognition of fecal shape of domestic rabbits. Firstly, the original image was enhanced by the principal component analysis (PCA) whitening and zero components analysis (ZCA) whitening, eliminating the data redundancy caused by the strong correlation between the pixels in the image. After that, the stochastic gradient descent (SGD) was introduced to optimize the neural network, and the over-fitting was solved by the Dropout, which were followed by convolutional decomposition and feature fusion. Finally, the proposed algorithm was proved through experiments to be effective and advantageous in fecal shape recognition for domestic rabbits.



AUTEUR(S)
Jingjing YANG, Yali YUAN, Xiao ZHANG, Longfei SHAO, Liheng GONG, Ting XU

MOTS-CLÉS
reconnaissance d'image, l'apprentissage en profondeur, reseau de neurones convolutifs (CNN), forme fecale des lapins domestiques.

KEYWORDS
image recognition, deep learning, convolutional neural network (CNN), fecal shape of domestic rabbits.

LANGUE DE L'ARTICLE
Anglais

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (472 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier