Éditeur(s) : HAL CCSD
Résumé : International audience
“Affective Computing is computing that relates to, arises from, or deliberately influences emotions” (R.W. Picard, MIT Press, 1997). Specifically, psychosocial equilibrium is now considered as a major issue for both individual and public health. Predicting human emotions via non-intrusive methods is a great challenge triggered by the rise of intelligent assisting systems. In order to determine the emotional state of a subject having a potential psychosocial disorder, it is required to process both neutral and expressive emotions. A computer-engineered method aiming to provide emotional information from videos is proposed. An original approach for affect classification and its interpretation is presented.The database is part of the HUMAINE database, and consists of a large volume of video clips, each displaying individuals, depressed or not, talking with a conversational agent. Both the high-dimensionality of data and its temporal aspect require a pre-training that consists of cleaning, sorting and feature selection, in order to make relevant information usable for further processing by MachineLearning methods. Next step consists in classifying the affective state of subjects according to their positivity or negativity (Russell's model, 1980). By means of six independent classifiers, each running a Support Vector Machine algorithm, separate performances are obtained for each class of emotions. The results reveal an interesting “neutral area phenomenon”, where emotions tend to be harder to be detected.Though more frequent, neutral emotions seem to carry less discriminant information than expressive ones. This issue will be a key for designing a tuning step in further research.
Caribbean Academy Of Science
Deshaies, France

hal-01408029
https://hal.univ-antilles.fr/hal-01408029

Éditeur(s) : HAL CCSD
Résumé : International audience
Le nombre de satellites et de capteurs pour la télédétection dédiés à l'observation de la Terre ne cesse d'augmenter, permettant ainsi d'avoir une masse de données importante en particulier en matière d'images. Parallèlement, un effort permanent vise, d'une part, à améliorer l'accès à ces données et, d'autre part, à développer d'avantages d'outils pour les manipuler. De tels efforts sont particulièrement utiles dans des contextes socio-environnementaux très dynamiques spatialement et temporellement, pour lesquels il est nécessaire de suivre et de prédire les événements environnementaux et sociétaux. En revanche, en présence d'un tel flux de données, nous avons besoin de méthodes automatiques d'interprétation d'images. Une solution envisageable pour répondre à ce besoin est de bénéficier des atouts de l'intelligence artificielle pour l'obtention de cartes d'occupation du sol issues d'une classification des régions des images. Afin de contribuer à l'automatisation de la classification, nous proposons une méthode d'induction de règles interprétables par des non-experts et mettant en évidence, explicitement, des connaissances structurelles. Cette méthode s'appuie sur la programmation logique inductive (PLI) et en particulier sur le système inductif ”Aleph”. L'application de la méthode de classification Multi-class Rule Set Intersection (MRSI) permet ensuite de classifier tout nouvel objet au regard des ses caractéristiques intrinsèques et de celles des objets environnants. Nous avons appliqué notre méthodologie à l'étude de la dynamique du littoral de la Guyane Française. Suite à ce travail, nous avons induit 136 règles de classification pour 38 classes d'occupation du sol. Ces règles sont intelligibles et simples à interpréter de par l'utilisation de la logique du premier ordre. Les performances du système ont été évaluées par la validation croisée. En moyenne, la précision, la spécificité et la sensibilité sont, respectivement, égales à 84,62%, 99,57% et 77,22%. Ces résultats quantitatifs montrent une bonne performance de la méthodologie pour la mise à jour automatique de cartes d'occupation du sol et/ou l'assistance aux opérateurs utilisant l'analyse d'image orientée-objet.
11èmes Rencontres des Jeunes Chercheurs en Intelligence Artificielle
Lille, France

hal-01376400
https://hal.archives-ouvertes.fr/hal-01376400
https://hal.archives-ouvertes.fr/hal-01376400/document
https://hal.archives-ouvertes.fr/hal-01376400/file/Bayoudh_RJCIA2013.pdf