II.5.Test et Evaluation:
Pour tester l'efficacité de notre système nous
avons créé deux nouvelles bases de test et d'apprentissage
à partir de la base Yale, cette création c'est une simple
sélection de visages à partir de la base originale (Yale data
base) :
Ø La première base est composée de 105
images d'apprentissages et 60 pour le test et cela a conduit à des
résultats qui sont illustrés dans le tableau suivant :
Temps d'apprentissage= 4sec
|
Taux de reconnaissance (%)
|
Taux d'erreur(%)
|
Base d'apprentissage (105 visages)
|
100%
|
0%
|
Base de test (60 visages)
|
36,66%
|
63,44%
|
Tableau III-1 : Résultat
obtenu sur la 1ere base de donnée
Ø La deuxièmebase est composée de 20 images
d'apprentissages et 10 pour le test, les résultats sont illustrés
dans le tableau suivant :
Temps d'apprentissage= 1sec
|
Taux de reconnaissance (%)
|
Taux d'erreur(%)
|
Base d'apprentissage (20)
|
100%
|
0%
|
Base de test (10)
|
60%
|
40%
|
Tableau III-2 : Résultat
obtenu sur la2eme base de donnée
II.6. Discussion des résultats :
La méthode LDA que nous avons appliqué donne de
bons résultats quand le nombre d'images d'apprentissages est
limité (Tableau III-2), et donne de
mauvais résultats lorsque le nombre d'images d'apprentissages augmente
(Tableau III-1).
Ce problème est souvent reconnu en littérature sous
le nom SSS ( Small Sample Size).
Conclusion:
Dans ce chapitre, nous avons illustré l'architecture
globale de notre système dereconnaissance de visages basé sur la
LDA et les détails des fonctions qui le composent, ainsi que le langage
qui assure son fonctionnement.Et à travers les tests obtenus on peut
dire que la performance du système repose sur un critère, qui est
le bon choix des images d'apprentissages.
Conclusion Générale et perspectives
|