Reconnaissance faciale utilisant l’intelligence artificielle

Abstract

L’utilisation de la reconnaissance faciale basée sur l’intelligence artiőcielle est désormais essentielle pour de nombreuses applications, de la sécurité à l’amélioration de l’expérience utilisateur. La reconnaissance faciale pose plusieurs déős, notamment la protection de la vie privée des données, les erreurs d’identiőcation, l’évolution des techniques de contournement, la reconnaissance des visages masqués et le manque d’échantillons d’entraînement. Ce mémoire vise à dresser un état de l’art des recherches actuelles sur les déős et méthodes du Deep Learning pour la reconnaissance faciale et à proposer des suggestions d’amélioration. Cinq déős majeurs ont été identiőés : protection de la vie privée des données, erreurs d’identiőcation, évolution des techniques de contournement, reconnaissance des visages masqués, et manque d’échantillons d’entraînement. Diverses techniques de Deep Learning ont été examinées et comparées pour identiőer les approches les plus efficaces pour chaque problème. Les résultats montrent que l’utilisation de réseaux de neurones convolutifs avancés (CNN), de techniques de chiffrement et d’anonymisation, ainsi que de modèles hybrides améliore signiőcativement la précision et la robustesse des systèmes de reconnaissance faciale. Les techniques avancées de CNN, les approches d’anonymisation et de chiffrement, ainsi que les modèles hybrides se révèlent prometteuses pour renforcer la précision et la robus- tesse des systèmes de reconnaissance faciale, adressant ainsi les principaux déős identiőés dans ce domaine. ***

The use of artiőcial intelligence-based facial recognition is now essential for many applications, from security to enhancing user experience. Facial recognition poses several challenges, including data privacy protection, identiőcation errors, evolving evasion techniques, recognizing masked faces, and the lack of training samples. This thesis aims to provide a state-of-the-art review of current research on the challenges and methods of deep learning for facial recognition and to propose suggestions for improvement. Five major challenges have been identiőed : data privacy protection, identiőcation errors, evolving evasion techniques, recognizing masked faces, and the lack of training samples. Various deep learning techniques have been examined and compared to identify the most effective approaches for each issue. The results show that the use of advanced convolutional neural networks (CNNs), encryption and anonymization techniques, as well as hybrid models, signiőcantly improves the accuracy and robustness of facial recognition systems. Advanced CNN techniques, anonymization and encryption approaches, as well as hybrid models, prove to be promising in enhancing the accuracy and robustness of facial recognition systems, thus addressing the main challenges identiőed in this őeld.