CONCEPTION, ANALYSE ET DÉVELOPPEMENT D’UN ALGORITHME GÉNÉTIQUE INTERACTIF DE GÉNÉRATION D’IMAGES GUIDÉ PAR LÉVALUATION HUMAINE LE PROJET PERMUTOPAINTER

UNIVERSITE NATIONALE DU VIETNAM, HANOI INSTITUT FRANCOPHONE INTERNATIONAL O TH DUYấN CONCEPTION, ANALYSE ET DẫVELOPPEMENT DUN ALGORITHME GẫNẫTIQUE INTERACTIF DE GẫNẫRATION DIMAGES GUIDẫ PAR L'ẫVALUATION HUMAINE: LE PROJET PERMUTOPAINTER THIT K, PHN TCH V PHT TRIN MT THUT TON DI TRUYN TNG TC TO SINH NH DA THEO HNG DN CA NH GI CA CON NGI : D N PERMUTOPAINTER MEMOIRE DE FIN DETUDES DU MASTER INFORMATIQUE HANOI 2015 UNIVERSITE NATIONALE DU VIETNAM, HANOI INSTITUT FRANCOPHONE INTERNATIONAL O TH DUYấN CONCEPTION, ANALYSE ET DẫVELOPPEMENT DUN ALGORITHME GẫNẫTIQUE INTERACTIF DE GẫNẫRATION DIMAGES GUIDẫ PAR L'ẫVALUATION HUMAINE: LE PROJET PERMUTOPAINTER THIT K, PHN TCH V PHT TRIN MT THUT TON DI TRUYN TNG TC TO SINH NH DA THEO HNG DN CA NH GI CA CON NGI : D N PERMUTOPAINTER Spộcialitộ: Systốmes intelligents et Multimộdia Code: Programme pilote MEMOIRE DE FIN DETUDES DU MASTER INFORMATIQUE Sous la direction de: Directeur de Recherche lIRD, M Jean-Daniel Zucker Maợtre de Confộrences lUniversitộ de La Rochelle, Mme Muriel Visani HANOI 2015 ATTESTATION SUR LHONNEUR Jatteste sur lhonneur que ce mộmoire a ộtộ rộalisộ par moi-mờme et que les donnộes et les rộsultats qui y sont prộsentộs sont exacts et nont jamais ộtộ publiộs ailleurs La source des informations citộes dans ce mộmoire a ộtộ bien prộcisộe LI CAM OAN Tụi cam oan õy l cụng trỡnh nghiờn cu ca riờng tụi Cỏc s liu, kt qu nờu Lun l trung thc v cha tng c cụng b bt k cụng trỡnh no khỏc Cỏc thụng tin trớch dn Lun ó c ch rừ ngun gc Fait Hanoù, le 30 Octobre 2015 H ni, Ngy 30 thỏng 10 nm 2015 o Th Duyờn i Table des matiốres Table des matiốres ii Remerciements iv Liste des figures vii Liste des tableaux viii INTRODUCTION Chapitre PRẫSENTATION GẫNẫRALE 1.1 Prộsentation de lộtablissement daccueil 1.1.1 Prộsentation de lIRD - organisme daccueil 1.1.2 Prộsentation ôVietnam-France ICT Labằ - lieu de travail 1.2 Contexte du sujet 1.3 Description du sujet 1.4 Art visuel et Abstraction 11 1.4.1 Systốme de Kandinsky (Gortais, 2003) 11 1.4.2 Constructions 14 1.4.3 Couleurs 14 Chapitre ẫTAT DE LART 16 2.1 Travaux existants en gộnộration dimages 16 2.2 Reprộsentation dimages 17 2.2.1 Descripteurs locaux 18 2.2.2 Descripteurs globaux 23 2.3 Regroupement (Clustering) 25 2.4.1 K-moyennes (K-means) 27 2.4.2 K- mộdoùdes 28 2.4 ẫvolution 30 2.4.1 Algorithme gộnộtique 30 2.4.2 Random Forest 31 ii Chapitre SYSTẩME PROPOSẫ 34 3.1 Aperỗu global du systốme 34 3.2 Modification dimage 35 3.3 Suggestion des images 36 3.3.1 Gộnộration des images 37 3.3.2 Extraction de caractộristiques 38 3.4 Evaluation des images 39 3.5 Apprentissage 41 Chapitre IMPLẫMENTATION ET EXPẫRIMENTATION 42 4.1 Outils et Environnement dimplộmentation 42 4.2 Construction des donnộes dentraợnement 42 4.3 Rộsultats obtenus 43 4.4 ẫvaluation de lutilisateur 47 4.4.1 Objectif recherchộ 47 4.4.2 Objectif atteint 49 4.4.3 Desiderata 49 Chapitre - CONCLUSIONS ET PERSPECTIVE 50 5.1 Conclusion 50 5.2 Perspective 51 5.2.1 Amộlioration de la reprộsentation des images 51 5.2.2 Amộlioration densemble dimages dentrainement 51 5.2.3 Amộlioration dalgorithme de gộnộration dimages 52 RẫFẫRENCES 54 ANNEXES 56 iii Remerciements Les plus grandes leỗons ne sont pas tirộes des livres mais des professeurs tels que vous, tous les professeurs de lInstitut Francophone International (IFI) Je souhaite exprimer ma sincốre gratitude vous qui ont pris le temps de m'aider au cours dans trois annộes et de m'avoir accompagnộ dans la maợtrise de mes connaissances Je tiens remercier vivement Monsieur Jean-Daniel Zucker, Directeur de Recherche lIRD, Hanoi, Vietnam et Madame Muriel VISANI, Maợtre de Confộrences lUniversitộ de La Rochelle, La Rochelle, France, pour leur encadrement sans faille, le suivi quils ont apportộ mon stage, leurs conseils, leurs corrections de ce mộmoire, les nombreuses discussions que nous avons pu avoir tout au long de la rộalisation de ce stage, et pour le temps quils ont bien voulu me consacrer Je souhaite remercier Monsieur TRAN Hoang Tung, Doctorat en sciences informatiques, Enseignant et assistant de recherche dUniversitộ des Sciences et Technologies de Hanoù, Vietnam, pour les conseils, linspiration et lidộe lorsquil y a des difficultộs, les nombreuses discussions propos de la comprộhension des problộmatiques Je tiens remercier chaleureusement Monsieur Bernard Gortais pour la gentillesse, la confiance, la correction de ce mộmoire et les aides enthousiastes Je remercie ộgalement toute l'ộquipe de Vietnam-France ICT Lab pour leur accueil, leurs aides plusieurs reprises pendant mon stage Je tiens remercier sincốrement Madame NGUYEN Thi Van Tu, secrộtaire de lIFI pour les aides plusieurs reprises Jadresse mes sincốres remerciements Madame NGUYEN Thi Thuy, Doctorat en sciences informatiques, Vietnam National University of Agriculture pour la comprộhension sur lalgorithme Random Forest Enfin, jadresse mes plus sincốres remerciements ma famille, mes amis, qui mont toujours soutenue et encouragộe au cours de la rộalisation de ce mộmoire DAO Thi Duyen iv Rộsumộ Le projet PermutoPainter est basộ sur la recherche que lartiste Bernard Gortais a dộveloppộe dans ses derniốres peintures ô Arrangements avec le hasard ằ prộsentộes la Galerie Keller Paris en novembre 2014 et la Galerie 14 Toucy France (89130) Dans ce projet, luvre peinte est dộcoupộe et dộcomposộe en petits 24 carrộs ộgaux et puis recomposộe indộpendamment de limage initiale Lutilisation dun ou de plusieurs de ces contrastes permet de crộer des formes et de structurer le rectangle par le choix dun nouvel arrangement des fragments qui le compose Lauteur trouve que les propositions sont dautant plus intộressantes quelles sont paradoxales Le problốme principal que PermutoPainter tente de rộsoudre est de formaliser le processus crộatif qui permet de crộer des arrangements et de concevoir un programme qui donnera les "meilleures" permutations ; cest--dire, celles pour lesquelles lauteur aura le plus dintộrờt en tenant compte du fait quil doit pouvoir prộciser son dộsir de crộation au cours du processus ộvolutif Il sagit donc dans notre stage de concevoir et dimplộmenter un algorithme ộvolutif qui suive les ộtapes suivantes : utilisation des techniques dextraction de caractộristiques dimages, reprộsentation des images sous la forme des vecteurs descripteurs, regroupement de ces vecteurs par lalgorithme K-mộdoids et utilisation de l'algorithme de classification des ô forờts alộatoires ằ pour permettre un artiste d'explorer et d'identifier efficacement des compositions ô intộressantesằ rộsultants de la combinaison de morceaux dimages et cela de maniốre interactive Mots-clộs : Aide la crộativitộ, Analyse d'image, synthốse d'image, regroupement automatique, forờts alộatoires v Abstract The PermutoPainter projet is based on the research of the artist Bernard Gortais who has developed in his latest paintings Random Arrangement presented at the Keller Gallery in Paris in November 2014 and at the Gallery 14 in Toucy France (89130) In this project, the painted work is cut out and broken down into 24 equal small squares and then recomposed independently from the initial image The use of one or more of these contrasts can create shapes and structure by choosing a new arrangement that consists of the fragments The artist finds that the proposals are even more interesting when they are paradoxical The main problem that PermutoPainter tries to solve is to formalize the creative process so as to create arrangements and build the system that will give the best permutations; that is to say, those for which the author has the most interest Given that s/he must elicitate what characterizes his/her interest in order to automate the creative process In our internship project our objective was to design and implement an evolutionary algorithm which includes the following steps: extracting image features, representation of images as descriptors vectors, clustering of these vectors by the K-mộdoids algorithm and then using the classification algorithm random forest to help a researcher to effectively explore and identify the "interesting" compositions resulting from the combination of pieces of images in an interactive way Keywords: Creativity process, Image processing, Machine Learning, Clustering, K-medoids, Random Forest vi Liste des figures Figure 1- Exemple duvre peinte Figure 2- Exemple darrangements Figure 3- Fragments de ligne 10 Figure 4- Points de rộsonance sur une surface 11 Figure 5- Ligne horizontale de rộsonance sur une surface 12 Figure 6- Ligne verticale de rộsonance sur une surface 12 Figure 7- Ligne diagonale de rộsonance sur une surface 12 Figure 8- Ligne libre de rộsonance sur une surface 13 Figure 9- La gravure de ô la Mort, le Diable et le Chevalier ằ 13 Figure 10- Systốme EcoEvo (Feng & Ting, 2014) 17 Figure 11- Descripteur SIFT 19 Figure 12- Intersection avec une ligne droite 22 Figure 13- Caractộristique dextrờme (a) en haut, (b) en bas, (c) gauche, (d) droite 22 Figure 14- Histogramme cumulatif 24 Figure 15- Exemple des caractộristiques profils 25 Figure 16- Un graphique de huit objets dans (Kaufman & Rousseeuw, 2009) 26 Figure 17- Une taxonomie des approches de regroupement (Jain, Murty, & Flynn, 1999) 26 Figure 18- illustration de K-moyenne dans (Gopi Gandhi, 2014) 27 Figure 19- Illustration de k-mộdoids D'aprốs (Gopi Gandhi, 2014) 29 Figure 20- Algorithme gộnộtique 31 Figure 21- Algorithme des Random Forest 32 Figure 22- Illustration de lộtape de test Random Forest 33 Figure 23- Processus global du programme 34 Figure 24- Modification dimage 35 Figure 25- Suggestion des images intộressantes 37 Figure 26- Gộnộration des images par la distance 38 Figure 27- ẫvaluation des images suggộrộes 40 Figure 28- Interface pour la modification dimages 43 Figure 29- Interface pour ộvaluer lintộrờt des images suggộrộes 44 Figure 30- Interface pour donner une valeur qualitative chaque image et gộnộrer des images intộressantes 45 vii Figure 31- Rộsultat de classification des donnộes de test 46 Figure 32- Bernard Gortais - exposition Galerie Keller, Paris, nov 2014 47 Figure 33- Bernard Gortais exemples de compositions dynamiques 48 Figure 34- Bernard Gortais exemples de composition calme dynamique 48 Figure 35- Bernard Gortais exemples de compositions calmes 48 Figure 36- Bernard Gortais exemples de compositions tragiques 49 Figure 37- Bernard Gortais, fragments de bouquets de fleurs 49 Liste des tableaux Tableau Types de contraste (Gortais, 2003) 15 Tableau Classes des donnộes dentrainement 45 Tableau Rộsultat de classification des donnộes de test 46 viii 42 Chapitre IMPLẫMENTATION ET EXPẫRIMENTATION 4.1 Outils et Environnement dimplộmentation Pour dộvelopper ce projet, nous utilisons le langage C/C++ et lenvironnement de dộveloppement intộgrộ QtCreator 3.5 en se basent sur QT Framework 5.3 avec la librairie OpenCV 2.4.9 (Open Source Computer Vision Library) Qt est la bibliothốque et les outils open source pour le langage de programmation C ++ Grõce lutilisation de compilateurs pour les multiples plateformes, il aide les programmeurs ộcrire le code source juste une fois et le compiler pour les plates-formes du systốme d'exploitation ộquivalent telles que Windows, Linux, Mac - OSX Qt a ộtộ construit partir de langage C++ alors que l'application est compilộe sous forme de code binaire donc la performance dexộcution est trốs rapide La bibliothốque Qt connait beaucoup, donc la conception dinterface graphique est rapide et flexible OpenCV est une librairie open source de traitement et analyse d'images et vidộos avec des interfaces pour les principaux langages de programmation C, C++, Java, C#, Python Elle est optimisộe pour les applications en temps rộel En outre, elle est utilisộe aussi bien dans les laboratoires de recherche que dans l'industrie Notre programme peut sexộcuter sur Linux et Mac-OSX 4.2 Construction des donnộes dentraợnement Pour prộparer lensemble de donnộes dentraợnement la premiốre fois, nous faisons une fonction de suggestion rộcursive des images au hasard pour que lutilisateur puisse ộvaluer lintộrờt des images et donner une valeur qualitative chaque image Le rộsultat quon veut obtenir, cest un grand ensemble dimages environ 500 1000 images Cet ensemble de donnộes va augmenter aprốs lộvaluation des images suggộrộes par lutilisateur La prộcision de lensemble dentraợnement dộpend de lexpertise et de la connaissance de lutilisateur de la peinture 43 4.3 Rộsultats obtenus Nous avons dộveloppộ un programme qui repose sur les trois interfaces principales ci-dessous : Figure 28- Interface pour la modification dimages 44 Figure 29- Interface pour ộvaluer lintộrờt des images suggộrộes 45 Figure 30- Interface pour donner une valeur qualitative chaque image et gộnộrer des images intộressantes Pour la partie dapprentissage, nous construisons un ensemble de donnộes dentrainement ayant 579 images : ẫtiquette Calme Dynamique Calme - Dynamique Tragique Heureuse Triste Null Nombre dimage 146 108 14 90 1 219 Tableau Classes des donnộes dentrainement 46 Nous gộnộrons environ 2000 images de test au hasard par fois pour donner lutilisateur des images qui ont la mờme ộtiquette que lutilisateur a demandộe Cependant, un cụtộ, cet ensemble de test est trốs petit donc chaque fois de test, la distribution d'images de chaque classe nest pas uniforme (comme le tableau et la figure 31) Dautre cụtộ, le nombre dimages dentraợnement nest pas assez pour chaque classe Cest la raison pour laquelle nous narrivons pas encore la fonction de suggestion dimages en utilisant lalgorithme Random Forest ẫtiquette Calme Test Test Test Test Test Test Test Test Test Test 10 (%) (%) (%) (%) (%) (%) (%) (%) (%) (%) 17.07 3.3 0.05 7.15 0 0 Dynamique 97.5 0 27.15 2.15 5.6 26.55 Calme Dynamique 0 0 0 0 0 10.2 24.45 0.85 26.95 99.95 Tragique 0.1 Heureuse 0 0 0 0 0 Triste 0 0 0.35 0 0 Null 2.4 7.96 6.55 59.35 97.8 100 46.5 0.05 74.97 93.45 62.45 94.15 Tableau Rộsultat de classification des donnộes de test Le diagramme illustre le rộsultat de classification des ensembles dimages de test chaque fois Classification des donnộes de test 100 90 80 70 60 50 40 30 20 10 Calme Dynamique Calme - Dynamique Tragique Heureuse Triste Test Test Test Test Test Test Test Test Test Test 10 (%) (%) (%) (%) (%) (%) (%) (%) (%) (%) Null Figure 31- Rộsultat de classification des donnộes de test 47 4.4 ẫvaluation de lutilisateur 4.4.1 Objectif recherchộ Une sộrie de peintures composộes de 24 carrộs pouvant tourner sur euxmờmes et dont les places peuvent ờtre inter-changộes ont ộtộ exposộes en 2014 la Galerie Keller (Paris) et en 2015 la Galerie 14 (Toucy - 89130 - France) Le nombre de possibilitộs darrangements des carrộs est de 24! Mon besoin ộtait de pouvoir disposer dun outil qui permette dexplorer dun point de vue crộatif ce trốs grand nombre de possibilitộs en se basant sur une conception analytique de lespace (section 1.4) et de maniốre expộrimentale sur lộmergence de qualitộs despace dộcouvertes et dộfinies par lutilisateur lorsquil utilise le systốme Figure 32- Bernard Gortais - exposition Galerie Keller, Paris, nov 2014 Exemple : lutilisateur juge quun espace dont les lignes sont disposộes le long dune diagonale est un espace ô dynamique ằ et il souhaite que le systốme lui propose des arrangements alộatoires dộlộments conservant cette propriộtộ Partant dune ligne simple, il peut sộlectionner les arrangements de fragments qui sont plus ou moins disposộs en diagonale, les ộtiqueter comme ô dynamiques ằ, leur 48 donner une note et sộlectionner de cette maniốre ceux qui lui conviennent le mieux Figure 33- Bernard Gortais exemples de compositions dynamiques Figure 34- Bernard Gortais exemples de composition calme dynamique Figure 35- Bernard Gortais exemples de compositions calmes 49 Figure 36- Bernard Gortais exemples de compositions tragiques 4.4.2 Objectif atteint Bien que la partie apprentissage ne soit pas terminộe, ce qui a ộtộ mis au point est un outil daide la crộation trốs efficace qui permet dexplorer et de qualifier lespace selon les besoins subjectifs dun crộateur Je me sers dores et dộj de cet outil pour dộcouvrir de nouvelles combinaisons despace et jen suis la fois heureux et surpris 4.4.3 Desiderata Pouvoir dộcouper une image de hauteur x, de largeur y, en nombre de carrộs n, de telle maniốre que n, x, y soient paramộtrables Pouvoir adapter le PermutoPainter dautres types dimages, notamment celles basộes sur la dộcomposition dun bouquet de fleurs (ci-dessous) Ce souhait est partagộ par Mlle Duyen Dao Pouvoir disposer de la fonction apprentissage Figure 37- Bernard Gortais, fragments de bouquets de fleurs 50 Chapitre - CONCLUSIONS ET PERSPECTIVE 5.1 Conclusion Lobjectif principal du stage ộtait de concevoir un outil de crộation basộ sur des approches de lintelligence artificielle qui permette de crộer des arrangements au hasard et donner les meilleures permutations en se basant sur lộvaluation qualitative dutilisateur Cette question de la crộativitộ est dactualitộ en Intelligence artificielle, preuve en est le workshop sur la crộativitộ lIJCAI2015 ou encore le numộro de La Recherche de novembre 2015 oự son importance est encore soulignộe Pour rộaliser ce travail, nous avons commencộ par la construction dune interface graphique qui aide lartiste (dans notre cas Bernard Gortais) crộer manuellement un arrangement intộressant selon son opinion partir de cette image, nous avons construit un algorithme pour gộnộrer alộatoirement un ensemble de nouvelles images en utilisant deux opộrateurs : un opộrateur dộchange (swap) et un de rotation Si nous swappons" une fois pour crộer une image partir dautre image, la valeur de distance entre ces deux images sera ộgale Avec cet ensemble dimages, nous extrayons des caractộristiques globales et des caractộristiques locales de chaque image pour la reprộsenter sous la forme dun vecteur descripteur Ensuite, nous utilisons lalgorithme des K-mộdoids pour regrouper ces vecteurs en k groupes afin que lutilisateur puisse donner lộvaluation sur des images typiques despace dimages gộnộrộes Avec lộvaluation de lutilisateur, nous faisons la suggestion des images en utilisant l'algorithme des Random Forest qui nous permet dapprendre la notion de qualitộ dune image Une des difficultộs pour lutilisateur, cest la construction dun ensemble de donnộes dentrainement parce quil doit faire itộrativement la suggestion des images pour choisir ceux qui sont plus intộressants et les donner des ộtiquettes correspondantes Bien que le programme ne soit pas encore complet du point de vue de l'apprentissage, il permet de satisfaire quand mờme un bon nombre de dộsirs de lartiste et rộpond ainsi en grande partie au cahier des charges Par 51 ailleurs, dun point de vue personnel, j'ai grõce ce stage eu une occasion unique de dộcouvrir le domaine de lart numộrique 5.2 Perspective Dans lavenir, premiốrement, nous voulons amộliorer le programme selon les desiderata dutilisateur (4.4.3) Deuxiốmement, nous allons modifier la faỗon de reprộsenter dimages, de gộnộrer dimages et dappliquer dautre lalgorithme dapprentissage pour trouver le meilleur rộsultat Ci-dessous, quelques idộes des amộliorations proposộes 5.2.1 Amộlioration de la reprộsentation des images Comme nous avons dit, la reprộsentation dune image est une ộtape trốs importante dans la classification dimage Cette ộtape influence beaucoup les rộsultats finaux Donc, nous allons construire dautres descripteurs qui sont plus raffinộs, comme la technique ô sacs de mots visuels ằ ou bien dextraction dautres caractộristiques par la suite : Des caractộristiques locales (pour chaque tile) : + Compter le nombre de virages + Agrộger les caractộristiques globales: profils + Agrộger les caractộristiques locales: Min et Max (Extrema) + Dộterminer la squelettisation de la ligne Des caractộristiques globales (pour le rectangle entier): + Utiliser la technique OCR pour dộterminer quelle lettre ou quel nombre est crộộ par des lignes dans limage + Compter le nombre de virages de limage Cest--dire, des lignes changent de directions + Agrộger les caractộristiques globales : profils + Agrộger les caractộristiques locales : Min et Max (Extrema) 5.2.2 Amộlioration densemble dimages dentrainement Pour amộliorer le rộsultat de classification des donnộes de test, nous allons construire un ensemble dimages dentrainement plus grand qui a la distribution uniforme dimages de chaque classe 52 5.2.3 Amộlioration dalgorithme de gộnộration dimages Le problốme que nous avons rencontrộ dans lộtape dapprentissage rộside dans la faỗon de crộer des images de test Elles sont trop peu nombreuses et ne peuvent pas englober lespace de tous les arrangements Lhypothốse est quune image est dộcoupộe en 24 carrộs ; il y a donc x carrộs qui ont le trait et y carrộs en fonds Au total il y a 24! possibilitộs darrangements des 24 carrộs avec lopộrateur Swap Cependant, quand nous swappons deux tiles qui ont des fonds monochromes unis, il y a aucun changement Le nombre de swaps est ainsi diminuộ et se calcule par la formule : Avec chaque image produite en utilisant lopộrateur Swap, nous pouvons crộer trois autres nouvelles images par lopộrateur de rotation Pourtant, nous ne fessons que cet opộrateur sur des carrộs qui ont le trait Alors, le nombre de rotation est calculộ par la formule : Donc, le nombre total de nouvelles images est crộộe par la multiplication entre le nombre de swaps et le nombre de rotations: Par exemple, nous calculons sur limage dans la Figure Il y a carrộs qui ont le trait Donc, le nombre de nouvelles images : ( Nous avons essayộ de crộer ) images en utilisant la permutation de 24 carrộs mais nous avons perdu beaucoup de temps Donc, nous avons utilisộ lalgorithme (3.3.1) pour gộnộrer environ 2000 images au hasard par fois Cest un peu petit pour lensemble de donnộes de test Cest la raison pour laquelle nous narrivons pas la fonction dapprentissage Pour rộsoudre ce problốme, nous 53 pensons un algorithme permettant d'augmenter le nombre dimages mais de diminuer le temps dexộcution: 1) Changer la position de 24 carrộs 2) Diviser ces 24 carrộs en deux parties ộgales (chaque partie a 12 carrộs) 3) Faire la permutation de chaque 12 carrộ 4) Associer au hasard ces deux parties pour avoir un arrangement 24 carrộs Cest une nouvelle image 54 RẫFẫRENCES [1] Benaceur, L (2010) Contribution l'optimisation complexe par des techniques de Swarm Intelligence [2] Boden, M A (1998) Creativity and artificial intelligence Artificial Intelligence, 103(12), 347356 [3] Boden, M A (2009) Computer Models of Creativity AI Magazine, 30(3), 23 [4] Breiman, L (1984) Classification and regression trees Chapman & Hall/CRC [5] Breiman, L (2001) Random Forests Machine Learning, 45(1), 532 [6] Calonder, M., Lepetit, V., Strecha, C., & Fua, P (2010) BRIEF: Binary Robust Independent Elementary Features In K Daniilidis, P Maragos, & N Paragios (Eds.), Computer Vision ECCV 2010 (pp 778792) Springer Berlin Heidelberg [7] Dawkins, R (2006) Blind Watchmaker (Fifth edition) London: Penguin UK [8] Feng, S.-Y., & Ting, C.-K (2014) Painting Using Genetic Algorithm with Aesthetic Evaluation of Visual Quality In S.-M Cheng & M.-Y Day (Eds.), Technologies and Applications of Artificial Intelligence (pp 124135) Springer International Publishing [9] Goldberg, D E (1989) Genetic Algorithms in Search, Optimization and Machine Learning (1st ed.) Boston, MA, USA: Addison-Wesley Longman Publishing Co., Inc [10] Gopi Gandhi, R S (2014) Review Paper: A Comparative Study on Partitioning Techniques of Clustering Algorithms, 87(9) [11] Gortais, B (2003) Abstraction and art Philosophical Transactions of the Royal Society B: Biological Sciences, 358(1435), 12411249 55 [12] Hu, M.-K (1962) Visual pattern recognition by moment invariants IRE Transactions on Information Theory, 8(2), 179187 [13] Jain, A K., Murty, M N., & Flynn, P J (1999) Data Clustering: A Review ACM Comput Surv., 31(3), 264323 [14] Kaufman, L., & Rousseeuw, P J (2009) Finding Groups in Data: An Introduction to Cluster Analysis John Wiley & Sons [15] Lewis, M (2008) Evolutionary Visual Art and Design In J Romero & P Machado (Eds.), The Art of Artificial Evolution (pp 337) Springer Berlin Heidelberg [16] Lowe, D G (2004) Distinctive Image Features from Scale-Invariant Keypoints International Journal of Computer Vision, 60(2), 91110 [17] Mitchell, M (1998) An Introduction to Genetic Algorithms MIT Press [18] Park, H., Lee, J., & Jun, C (2006) Abstract A K-means-like Algorithm for Kmedoids Clustering and Its Performance [19] Prum, S., Visani, M., Fischer, A., & Ogier, J M (2013) A Discriminative Approach to On-Line Handwriting Recognition Using Bi-character Models In 2013 12th International Conference on Document Analysis and Recognition (ICDAR) (pp 364368) [20] Rublee, E., Rabaud, V., Konolige, K., & Bradski, G (2011) ORB: An efficient alternative to SIFT or SURF In 2011 IEEE International Conference on Computer Vision (ICCV) (pp 25642571) [21] Sims, K (1991) Artificial Evolution for Computer Graphics Computer Graphics, 319328 [22] Todd, S., & Latham, W (1994) Evolutionary Art and Computers Orlando, FL, USA: Academic Press, Inc 56 ANNEXES Guide dutilisation du programme : https://www.youtube.com/enhance?feature=vm&v=_00a n9tug [...]... rectangle a b c d Figure 2- Exemple darrangements Lutilisation dun ou de plusieurs de ces contrastes permet de crộer des formes et de structurer le rectangle par le choix dun nouvel arrangement des fragments qui le compose Lauteur trouve que les propositions sont dautant plus intộressantes quelles sont paradoxales (par exemple la fois calme et dynamiques, ộquilibrộes dans le rythme mais pas dans lensemble... selon les ộpoques et les cultures, mais la fonction de l'art reste la mờme Kandinsky est considộrộ comme lun des artistes les plus importants du XXe siốcle ; Il est un des pionniers de labstraction picturale et celui qui, le premier, a analysộ et formalisộ les ộlộments constitutif dune image Ce sont les notions de plan, de ligne, de point, de tension spatiale, de contraste de mouvement et de contraste de. .. signifie densitộ Le cụtộ droit de la surface signifie laventure et le dộpart Le cụtộ gauche de la surface signifie la maison et le retour Figure 9- La gravure de ô la Mort, le Diable et le Chevalier ằ 14 On peut voir un exemple dans la Figure 9 Cest une uvre dart dAlbrecht Dỹrer, un peintre, graveur, thộoricien de l'art et de la gộomộtrie allemand au XV siốcle La gravure originale est celle de gauche... et les quatre cụtộs du caractốre - deux dans la direction horizontale partir des cụtộs gauche et droit ; deux autres dans la direction verticale partir des cụtộs haut et en bas Les profils dộcrivent bien les formes externes de caractốres et permettent de distinguer entre un grand nombre de lettres, comme "p" et "q" Les profils gauche et droite sont crộộs respectivement par la traversộe horizontale... actions de recherche sont menộes par des chercheurs IRD en affectation auprốs d'instituts de recherche vietnamiens ou par des chercheurs en mission Nộes de la concertation entre chercheurs IRD et partenaires, elles sont menộes en coopộration par les chercheurs des deux pays et visent dộvelopper et acquộrir des connaissances originales publiables dans les meilleures revues scientifiques internationales et. .. immộdiate, de l'apparence, de l'ộmergence La couleur associộe est le blanc, le sentiment associộ est le rộveil, la tempộrature associộe est le chaud Figure 6- Ligne verticale de rộsonance sur une surface - Diagonale : Une diagonale exprime la combinaison entre couleur chaude et couleur froide Une diagonale vers le haut est rouge, une diagonale vers le bas est grise ou verte Figure 7- Ligne diagonale de rộsonance... ministốre des Affaires ộtrangốres et du Dộveloppement international Il sattache rộpondre aux grands dộfis du dộveloppement en menant des activitộs de recherche, de formation et dinnovation aux Suds, pour les Suds et avec les Suds, dans un souci constant de partage des connaissances et de mutualisation des moyens et des compộtences Depuis son siốge, Marseille, et ses deux centres mộtropolitains de Bondy et. .. fiancer deux programmes de recherche portộs par lIRD et destinộs soutenir les 6 dộpartements des sciences et technologies de linformation et de la communication et docộanographie de lUniversitộ des Sciences et Technologies de Hanoù (USTH) Les chercheurs de lIRD contribuent trốs activement la formation acadộmique au Vietnam Deux chercheurs codirigent les Masters BiotechnologiePharmacologie, et Eau... utilisộes dans le domaine de recherche partir de cette ộtude, nous pourrons proposer des techniques en adộquation avec le projet Chapitre 3 Systốme proposộ Ce chapitre prộsente de faỗon gộnộrale le systốme que nous allons construire pour que le lecteur puisse comprendre le processus du programme, les techniques proposộes pour la gộnộration des images, 3 lextraction des caractộristiques, lalgorithme de regroupement... pour laquelle cette mộthode utilise deux lignes horizontales et une ligne verticale Ces deux lignes sont situộes au premier tiers et au deuxiốme tiers de la hauteur du caractốre pour obtenir une bonne description des parties haute et basse du caractốre La ligne verticale passe par le centre de gravitộ du caractốre pour obtenir une position plus stable de lintersection pour chaque classe de caractốres