Réseaux de neurones artificiels et apprentissage non supervisé

Laboratoire V
Andres Perez-Uribe

 
Dans un apprentissage non supervisé, le réseau de neurones doit découvrir par lui-même les corrélations existant entre les patrons d'apprentissage. Les neurones et les connexions doivent dégager un certain degré d'auto-organisation.

Objectifs

Mettre en oeuvre des techniques de groupement (clustering) et d'apprentissage non supervisé et les appliquer à des problèmes de traitement d'images.

Introduction

Vous allez utiliser le logiciel ImageJ pour le traitement d'images et vous aller programmer des "plugins" en Java pour ajouter des fonctionalités à ce logiciel.

1. Installer ImageJ

Vous trouverez les fichiers d'installation ici (avec JVM), ainsi qu'un guide pour l'implémentation des "plugins". Vous pouvez également utiliser uniquement le fichier .jar (sans JVM) et compiler les plugins avec le compilateur java installé sur votre machine. Les plugins doivent se trouver dans un répertoire plugins situé au même emplacement que le fichier ij.jar.

2. Les données

Copier l'image en format bitmap parrots8b.bmp. Cette image contient 384x256 pixels et utilise 238 colueurs différents. Vous pouvez charger l'image dans ImageJ à l'aide de l'option File->Open.

3. Programmation des "plugins" pour ImageJ

On vous fourni un exemple de "plugin" qui vous permet de modifier les couleurs d'une image de type RGB Color et d'afficher le résultat. Dans cet exemple, vous trouverez comment générer les dialogs qui vous permettent de faire l'entrée des parramètres, ainsi que le traitement d'une image.
3.1 Copiez la source du plugin ColorInverter dans le dossier plugins.
3.3 Lancez ImageJ et compilez le plugin à l'aide de l'option:
Plugins->Compile and Run.
3.4 Pour vous faciliter la tache, vous allez charger l'image BMP et la convertir à l'aide de l'option
Image->Type->RGB Color.
3.5 Tester le plugin

4. Traitement d'une image à l'aide d'un algorithme de clustering

4.1 Programmer un plugin pour appliquer l'algorithme de K-means à l'image couleur fourni dans la donnée.
4.2 A OPTION: Programmer un plugin pour appliquer l'algorithme d'apprentissage non supervée par compétitions à l'image couleur fournie dans la donnée.
4.3 Utiliser le plugin ColorInspector pour afficher en 3D les clusters de couleurs trouvés en 4.1 (et 4.2).

5. Rapport de laboratoire

Préparer un rapport décrivant les expériences ménées, donner les résultats obtenus et commenter ces résultats. Donner également le code de vos plugins commentés.

Rendre le rapport au plus tard le lundi 5 mai.

SBI 2008