Précédent : Projet Esprit3 PASSWORDS: reconnaissance de Remonter : Interprétation d'images Suivant : Actions industrielles
Précédent : Projet Esprit3 PASSWORDS: reconnaissance de
Remonter : Interprétation d'images Suivant :
Actions
industrielles
Participants : Jean-Christophe Ossola, Monique Thonnat, Véronique Clément
Mots-clés : classement automatique, intelligence artificielle distribuée, système à base de connaissances, reconnaissance de forme, reconnaissance d'objets
Nous nous intéressons à la résolution automatique de problèmes de reconnaissance d'objets naturels à partir d'images monoculaires. Pour cela deux types de compétences sont indispensables : d'une part, l'expertise du domaine d'application des objets considérés qui permet effectivement de reconnaître l'objet d'autre part, l'expertise en traitement d'images qui permet d'extraire de l'image l'information pertinente pour la reconnaissance.
Nous avons précédemment montré quels étaient les bénéfices que l'on pouvait tirer d'une coopération de systèmes à base de connaissances pour la reconnaissance d'objets naturels tels que les galaxies ou les zooplanctons. Néanmoins, la conception de tels systèmes opérationnels requiert une somme considérable de travail pour le développement des bases de connaissances et des algorithmes de traitement d'images nécessaires.
Or, nous constatons qu'un grand nombre de traitements d'images sont communs à plusieurs de nos applications (galaxies, zooplanctons, foraminifères), que ce soient des algorithmes de bas niveau ou des opérations de niveau d'abstraction élevé comme la détection d'une sous-partie de l'objet. L'interprétation s'appuie également sur des paramètres ou des primitives qui peuvent être communs, comme le contour d'un objet ou sa surface.
Pour aider au développement de systèmes de reconnaissance automatique d'objets naturels complexes, nous proposons donc un environnement constitué non seulement de moteurs de systèmes experts mais également (cf figure 3 ) :
Figure 3: Environnement de développement de
systèmes à base de connaissances pour la reconnaissance de formes
d'objets naturels complexes
Le système de traitement d'image dans CONORS . Le système de traitement d'images actuellement utilisé dans l'architecture de CONORS est basé sur l'utilisation du générateur de systèmes à base de connaissances précédemment développé dans notre équipe : OCAPI. Il factorise l'ensemble des algorithmes de traitement d'images que nous avons utilisés dans nos applications, et la connaissance sur leur utilisation. L'ensemble de ces connaissances est organisé sous forme de buts abstraits auxquels sont associés un ou plusieurs opérateurs et un contexte d'utilisation. Ce système dispose également de la bibliothèque de programmes dont la syntaxe d'appel est décrite par les opérateurs élémentaires.
Le système d'interprétation dans CONORS : Le système d'interprétation utilisé dans l'architecture de CONORS, quant à lui, est basé sur l'utilisation du générateur de systèmes à base de connaissances CLASSIC. La connaissance est exprimée à l'aide d'un ensemble de prototypes (8 classes) qui permettent la description d'objets à l'aide de champs (59) auxquels sont associés une ou plusieurs tâches du système de traitement d'images de CONORS. C'est cette connaissance de niveau intermédiaire qui permet l'articulation avec le domaine du traitement d'images et sur laquelle l'expert du domaine d'application s'appuiera pour exprimer ses connaissances de haut niveau.
L'articulation des composantes de CONORS : Nous avons défini un lexique de termes qui est utilisé à la fois dans le système d'interprétation pour nommer les champs ci-dessus, et dans le système de traitement d'images pour la description des tâches qu'il est susceptible de résoudre ainsi que pour la description de ses données d'entrée et de sortie. Ce corpus est un vocabulaire de base qui permet aux deux systèmes d'échanger des messages dans un langage compréhensible à la fois par un spécialiste en traitement d'images et par un spécialiste d'un domaine d'application quelquonque.
La connaissance actuellement contenue dans le système CONORS est basée sur la connaissance commune aux applications précitées (zooplanctons, galaxies). Pour offrir un système minimal de reconnaissance d'objets naturels complexes, se basant sur leur description par des paramètres morphologiques ou radiométriques, nous devons étoffer les bases de connaissances minimales actuelles. La validation de CONORS sera réalisée en développant de nouvelles applications à partir de ces bases minimales (et non pas, comme précédemment, directement à partir des générateurs de systèmes experts), étant bien entendu qu'il n'est pas conçu comme un système figé mais comme un outil extensible voire configurable.
Précédent : Projet Esprit3
PASSWORDS: reconnaissance de Suivant : Actions
industrielles Remonter : Interprétation d'images