Reconnaissance d’actions à l’aide d’une approche hiérarchique basée sur l’apprentissage machine

Résumé

Actuellement, les méthodes de reconnaissance d’actions proposées par la littérature performent assez bien sur les actions simples, mais requièrent, bien souvent, des puissances de calcul importantes et éprouvent encore de la difficulté à reconnaître les actions ayant des séquences d’exécution dont la temporalité est variable. Par conséquent, la méthode présentée dans le cadre de ce mémoire adressera ces difficultés. Pour ce faire, celle-ci propose un cadre hiérarchique d’apprentissage. Ainsi, la reconnaissance des différentes actions s’appuie sur la signature de sous-mouvements localisables dans le temps. Plus précisément, ces signatures correspondent aux valeurs maximales et minimales d’activations de filtres de convolution appris dans le cadre d’un problème de classification dont l’entraînement procède à l’aide d’une méthode de descente de gradient. Tout en démontrant une grande économie en termes de calculs et une plus grande robustesse par rapport à l’information superflue, le taux de succès de classification obtenu par l’approche proposée est comparable à l’état de l’art lorsque les données sur lesquelles elle s’appuie sont issues d’un capteur inertiel porté à même le corps.

Date	17 déc. 2020
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Rita Noumeir (Directeur(-trice))