Apprentissage de la cohérence temporelle non supervisée pour la suppression cohérente d’objets dans les vidéos Contexte de l’étude et motivation Dans le domaine de l’édition et de la restauration de vidéos, la suppression d’objets vidéo (Video Object Removal) est une tâche importante. Son objectif est d’effacer des objets cibles dans une vidéo enti...

CLASH : Cadre de reconnaissance de la démarche basé sur l’apprentissage complémentaire et la recherche d’architecture neuronale Contexte de la recherche La reconnaissance de la démarche est une technique biométrique qui identifie les individus en fonction de leur façon de marcher. Cette technique a de larges applications dans des domaines tels que ...

Évaluation esthétique des images profondes transparentes basée sur la description du contenu des étiquettes Contexte académique Avec la popularité croissante des plateformes de médias sociaux comme Instagram et Flickr, la demande pour les modèles d’évaluation esthétique des images (Image Aesthetics Assessment, IAA) augmente. Ces modèles peuvent non...

Alignement et Uniformité des Caractéristiques Équilibrées pour Résoudre le Problème de Classification avec Peu d’Échantillons Contexte et Motivation L’apprentissage avec peu d’échantillons (Few-Shot Learning, FSL) vise à reconnaître correctement de nouveaux échantillons dans des classes nouvelles avec seulement quelques exemples disponibles. Les mé...

Negative Deterministic Information-Based Multiple Instance Learning for Weakly Supervised Object Detection and Segmentation Introduction au contexte Au cours de la dernière décennie, des progrès significatifs ont été réalisés dans le domaine de la vision par ordinateur, en particulier dans la détection d’objets (Object Detection) et la segmentation...

Réseau de déploiement Transformer basé sur la perception de l’information pour promouvoir la fusion d’images hyperspectrales et multispectrales Introduction générale Les images hyperspectrales (Hyperspectral Image, HSI) jouent un rôle crucial dans les applications de télédétection telles que la reconnaissance des matériaux, la classification des im...

Cadre de résolution des problèmes d’optimisation graphique basé sur les réseaux de neurones graphiques Contexte et motivations de recherche Lors de la résolution des problèmes de satisfaction des contraintes (CSP) et des problèmes d’optimisation combinatoire (COP), l’association de la méthode de retour en arrière avec des heuristiques de branchemen...

Réalisation de la segmentation sémantique d’images sous supervision partielle grâce à un enseignement auto-ajusté alternatif à double enseignant Introduction Avec le développement continu du domaine de la vision par ordinateur, la segmentation sémantique est devenue un domaine de recherche important et actif. Les méthodes traditionnelles de segment...

Introduction Ces dernières années, l’apprentissage par renforcement (Reinforcement Learning, RL) a montré son efficacité dans la résolution de diverses tâches complexes. Cependant, de nombreux problèmes de décision et de contrôle du monde réel impliquent plusieurs objectifs conflictuels. L’importance relative de ces objectifs (préférences) doit êtr...

GMConv: Réglage de l’Effective Receptive Field des réseaux neuronaux convolutifs Avant-propos Les réseaux neuronaux convolutifs (Convolutional Neural Networks, CNNs) ont obtenu un succès remarquable dans les tâches de vision par ordinateur grâce à l’utilisation de noyaux de convolution, notamment dans la classification d’images, la détection d’obje...