Abstract FR:

Le travail présenté se rapporte à deux domaines pluridisciplinaires qui font l'objet d'une recherche active : la vision artificielle et les réseaux neuronaux. Il consiste à concevoir une procédure neuronale basée sur des réseaux multicouches et destinée a la reconnaissance des formes polyédriques. Fondée sur la connaissance moderne du système visuel biologique concernant le traitement hiérarchique et l'architecture bien organisée. Cette procédure neuronale est composée de deux étapes de traitement: un traitement bas-niveau consistant à construire l'image des et un traitement haut-niveau concernant la classification. Nous utilisons essentiellement des perceptrons multicouches (pmc) conditionnes par l'algorithme de rétropropagation du gradient. Plusieurs critères et facteurs ont été définis afin de déterminer la performance des réseaux et la qualité des calculs. Ils sont utilisables pour analyser d'autres réseaux effectuant des taches quelconques et disposant d'entrées/sorties semblables à celles des réseaux traités. L'optimisation des pmc de taille respectable est affectée par une approche pratique concernant l'architecture de ces réseaux et le choix de la base d'apprentissage. Pour la détection de contours, nous utilisons un nombre limité de prototypes élémentaires pour l'apprentissage. Des résultats satisfaisants ont été obtenus pour différents types d'images indépendamment de leurs conditions de numérisation. Une classification efficace est aussi obtenue en testant des images dégradées issues de la première étape de traitement.