Résumé:
Le but de ce projet est de faire une etude comparative entre deux reseaux de neurones
convolutifs profonds qui effectuent la reconnaissance par l’iris (ResNet50 et MobileNetV2). Pour
diminuer le temp d’entrainement et le cout en ressources informatiques, on utilise le transfer
learning en ajoutant les poids de l’architecture ImageNet. On a appliqué une variété de pretraitement,
sur les
bases
de
données
Casia-Iris-Thousand
et
UbirisV2. L’algorithme
SIFT
a
aidé
a
localiser
d’importants motifs dans l’iris : les keypoints. On a ensuite dererminer quelle
combinaison d’architecture et de dataset donnait les meilleurs résultats pour la reconnaissance par
l’iris. ResNet50 avec UbirisV2 a donné la meilleure precision. Le model basé sur ResNet50 avec
Casia-Iris-Thousand prétraité avec l’algorithme SIFT, a montré des histograms avec des motifs
detecté concentré sur l’iris. MobileNetV2 a la possibilité d’etre implementé dans des systemes
embarqué et dans des applications mobiles.
