1 - APPAREIL PHOTO NUMÉRIQUE

• 1.1 - Nombre de caméras
• 1.2 - Caractéristiques du capteur photographique
  Figure 1 - Affichage des caractéristiques de l’appareil photo Tableau 1 - Paramètres permettant d’appeler les différentes caractéristiques [...] Tableau 2 - Configurations de flux disponibles

2 - APERÇU ET AFFICHAGE DU FLUX VIDEO PROVENANT DU CAPTEUR

• 2.1 - Sélection de la caméra
• 2.2 - Création de la surface de prévisualisation

3 - CAPTURE D’IMAGES

4 - ANALYSE D’IMAGES

• 4.1 - Reconnaissance de visages en temps réel
  Figure 2 - Détection de visages. Portrait d’Alan Turing (1912-1954) – Princeton University Figure 3 - FaceLandmark et FaceContours Tableau 3 - Caractéristique d’un visage
• 4.2 - Détection des postures
  Figure 4 - Posture (Pose landmark) Tableau 4 - Liste des repères (Landmark)
• 4.3 - Détection de la segmentation
  Figure 5 - Image segmentation
• 4.4 - Étiquetage d’images
  Figure 6 - Étiquetage d’images
• 4.5 - Détection d’objets
  Figure 7 - Détection d’objets
• 4.6 - Reconnaissance de texte
  Figure 8 - Reconnaissance de texte
• 4.7 - Scanner de code-barres
  Figure 9 - Scanner de code-barres

5 - CRÉATION D’UN MODÈLE PERSONNALISÉ

• 5.1 - Apprentissage machine (Machine Learning)
  Figure 10 - Fonction linéaire de séparation en deux catégories Figure 11 - Minimisation de l’erreur Figure 12 - Réseaux de fonctions Figure 13 - Fonctionnement d’un neurone Figure 14 - Neurone artificiel
• 5.2 - Perceptron (1957)
  Figure 15 - Ré-enforcement des poids W Figure 16 - Les modèles linéaires ne permettent pas de séparer correctement tous les ensembles de données
• 5.3 - Perceptron multicouches (multilayer perceptron MLP) (1986)
  Figure 17 - Perceptron multicouches à deux couches et trois neurones Figure 18 - Séparation non linéaire
• 5.4 - Rétropropagation du gradient
  Figure 19 - Rétropropagation du gradient
• 5.5 - Algorithme du gradient
  Figure 20 - Recherche d’un minimum local Figure 21 - Différentes fonctions d’activation Figure 22 - Exemple de fonction sigmoïde Figure 23 - Fonction sigmoïde avec deux valeurs en entrée (X 1, X 2) Figure 24 - Calcul de l’erreur à partir de la fonction sigmoïde
• 5.6 - Mise en pratique sur deux cas d’études
  Figure 25 - Chiffres manuscrits à reconnaître Figure 26 - Les dix catégories(classes) d’images Figure 27 - Échantillon des images à reconnaître Figure 28 - Perte et précision lors de l’apprentissage Figure 29 - Ajout du modèle « model.tflite » dans l’application Android™ Figure 30 - Reconnaissance d’images par l’application Android™ Figure 31 - Reconnaissance d’une image inconnue Tableau 5 - Résumé du réseau de neurones

6 - CONCLUSION

7 - GLOSSAIRE

8 - SIGLES, NOTATIONS ET SYMBOLES