L'intelligence artificielle avec Gravity

Avec les progrès rapides de la technologie, l'interaction homme-machine efficace est devenue de plus en plus importante, faisant de la reconnaissance faciale précise un domaine de recherche essentiel. Les systèmes traditionnels de reconnaissance faciale s'appuient principalement sur des données à modalité unique, ce qui limite leur robustesse dans des conditions réelles. Pour pallier ces limites, la reconnaissance faciale multimodale, qui intègre des informations provenant de plusieurs sources telles que des données visuelles et audio, a suscité un intérêt considérable.Malgré des recherches approfondies, la reconnaissance faciale reste difficile en raison des variations d'éclairage, du bruit, de la rotation et de l'occlusion. Cette thèse aborde ces défis en proposant de nouveaux algorithmes pour la détection de caractéristiques invariantes. Une contribution clé est une nouvelle technique de détection des contours inspirée de la loi universelle de la force gravitationnelle de Newton. La méthode calcule les interactions gravitationnelles en fonction de la direction et de l'amplitude de la variation du signal, et dérive des sommes vectorielles dans les directions horizontale et verticale pour extraire des contours faciaux précis.