Mon compte Ma liste - 0
	Catalogue   Ressources numériques   Nouveautés   Liens utiles   Mon compte

Recherche rapide Recherche avancée Recherche alphabétique Historique Information

Recherche  AuteurTitreSujetTitre de revueCollectionCotes BUCotes ENSEACotes IUFM       Modifier la recherche     > CERGY

Elargir la recherche       Sur le même sujet :     Vision artificielle (robotique)     Thèses et écrits académiques     Parcourir le catalogue     par auteur:      Hoang , Kevin , 1984-....      Gaussier , Philippe , 1967-....      Paindavoine , Michel      Filliat , David , 1974-....      Guérin-Dugué , Anne      Thorpe , Simon , 19..-....      Haugeard , Jean-emmanuel , 1984-....      Pitti , Alexandre      Haugeard , Jean-emmanuel , 1984-....      CY Cergy Paris Université , 2020-....      École doctorale Économie, Management, Mathématiques, Physique et Sciences Informatiques , Cergy-Pontoise, Val d'Oise      Equipes Traitement de l'Information et Systèmes , Cergy-Pontoise, Val d'Oise         Affichage MARC

Auteur :  Hoang , Kevin , 1984-.... Gaussier , Philippe , 1967-.... Paindavoine , Michel Filliat , David , 1974-.... Guérin-Dugué , Anne Thorpe , Simon , 19..-.... Haugeard , Jean-emmanuel , 1984-.... Pitti , Alexandre Haugeard , Jean-emmanuel , 1984-.... CY Cergy Paris Université , 2020-.... École doctorale Économie, Management, Mathématiques, Physique et Sciences Informatiques , Cergy-Pontoise, Val d'Oise Equipes Traitement de l'Information et Systèmes , Cergy-Pontoise, Val d'Oise Titre :  Exploration et reconnaissance active de scènes visuelles : Impact de l'usage d'une caméra événementielle , Kevin Hoang ; sous la direction de Philippe Gaussier Editeur :  2021 Notes :  Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : Ecole doctorale Économie, Management, Mathématiques , Physique et Sciences Informatiques (EM2PSI) Partenaire(s) de recherche : Equipes Traitement de l'Information et Systèmes (Cergy-Pontoise) (Laboratoire) Autre(s) contribution(s) : Philippe Gaussier, Michel Paindavoine, David Filliat, Anne Guérin-Dugué, Simon Thorpe, Jean-Emmanuel Haugeard, Alexandre Pitti, Jean-Emmanuel Haugeard (Membre(s) du jury) ; Michel Paindavoine, David Filliat (Rapporteur(s)) Thèse de doctorat STIC (Sciences et Technologies de l'Information et de la Communication) - ED EM2PSI CY Cergy Paris Université 2021 L’analyse d’une scène visuelle devient un passage obligé pour la réalisation d’un grand nombre de systèmes « intelligents ». Cette analyse se fait principalement par le biais de techniques d’analyse dites « passives » de l’image et les performances dépendent de la qualité des bases de données d’images préalablement établies ou de modèles ad hoc des objets à reconnaître.Les performances remarquables des approches de Deep Learning ouvrent la voie à des approches parallèles très performantes mais limitées notamment sur deux aspects : la rigidité du modèle (l'ajout d’une classe nécessitant un ré-entraînement complet du réseau) et l’efficacité énergétique, rendant compliqué l' usage sur une plateforme embarquée.Dans ce travail, nous proposons une approche active de la reconnaissance de scène visuelle inspirée de la vision des mammifères. Nous validons cette stratégie pour de la détection d'objet dans des images naturelles complexes et occultées. L'évaluation de note modèle nous permettent de mettre en évidences ses qualités quant à son implémentation sur un robot robot mobile autonome. Il nous permet d'avoir un système de reconnaissance visuel léger, capable d'apprendre à reconnaître des objets en temps réel, et de manière incrémentale.Dans un deuxième temps, nous explorons comment l'apprentissage d'un trajet de saccades visuelles ("scanpath") peut optimiser le processus d'exploration visuelle. Nous évaluons en particulier l'impact sur les performances de reconnaissance, et la vitesse d'exécution.Finalement, nous étudions ce qu'une représentation par spike peut apporter dans notre application: nous modélisons l'exploration visuelle d'une image par un train de spike et utlisons une règle de type STDP afin d'apprendre un scanpath à partir d'une séquence de données sensorimotrices générée lors du processus d'analyse visuelle.Les résultats préliminaires de cette expérience nous permettent de réfléchir sur les gains d'une telle représentation dans un modèle dynamiqueet d'ouvrir sur de possibles utilisations d'un hardware parallèlevfiltextbf{underline{Mots clés:}} Réseaux de neurones, Vision par ordinateur, Robotique, Bio-inspiré, What-where, Saccades, Modèle attentionnel, Reconnaissance d'objet. N/a Configuration requise : un logiciel capable de lire un fichier au format : PDF URL:  (Accès au texte intégral) http://www.theses.fr/2021CYUN1009/document http://www.theses.fr/2021CYUN1009/abes Sujet :  Vision artificielle (robotique) Thèses et écrits académiques   Exemplaires Pas de données exemplaires

Pour toute question, contactez la bibliothèque

Horizon Information Portal 3.25_france_v1m© 2001-2019 SirsiDynix Tous droits réservés.