Réseaux de neurones profonds pour la classification d'objets en imagerie infrarouge PDF Download
Are you looking for read ebook online? Search for your book and save it on your Kindle device, PC, phones or tablets. Download Réseaux de neurones profonds pour la classification d'objets en imagerie infrarouge PDF full book. Access full book title Réseaux de neurones profonds pour la classification d'objets en imagerie infrarouge by Antoine d' Acremont. Download full books in PDF and EPUB format.
Author: Antoine d' Acremont
Publisher:
ISBN:
Category :
Languages : fr
Pages : 129
Get Book Here
Book Description
Les performances des technique d'apprentissage profond et plus particulièrement les réseaux de neurones convolutifs, ou CNN, sont conditionnés par la taille et la qualité des bases de données d'entrainement. Dans un contexte comme celui de l'identification de véhicules militaires dans des images infrarouges, il est difficile de constituer de telles bases d'apprentissage. Pour y remédier, il est possible d'utiliser la simulation pour générer ces ensembles de données. Cependant, les architectures issues de l'état de l'art généralisent mal sur des données réelles après un entrainement sur données simulées. Dans cette thèse, nous proposons un réseau convolutif spécifique, appelée cfCNN, qui permet d'obtenir de meilleures performances que les modèles de l'état de l'art que nous avons testés. Nous supposons que les images qui lui seront présentées seront issues d'un module de détection qui peut être imparfaite. Nous évaluons donc la robustesse du cfCNN face à des translations et des changements d'échelle de la cible dans l'image d'entrée. Face à ces perturbations, le cfCNN montre une meilleure robustesse par rapport à des réseaux convolutifs issus de l'état de l'art. Pour améliorer la confiance dans les prédictions du cfCNN, nous proposons un module de détection d'anomalies de classification, basé sur le Local Outlier Factor. Cette approche montre de bonnes performances sur des données d'entrainement et de test homogènes. Cependant elle est moins performante pour un problème de transfert entre des données simulées et réelles. Pour compenser cette baisse de performance nous proposons alors un schéma en cascade qui exploite les informations issues de différentes couches du cfCNN.
Author: Antoine d' Acremont
Publisher:
ISBN:
Category :
Languages : fr
Pages : 129
Get Book Here
Book Description
Les performances des technique d'apprentissage profond et plus particulièrement les réseaux de neurones convolutifs, ou CNN, sont conditionnés par la taille et la qualité des bases de données d'entrainement. Dans un contexte comme celui de l'identification de véhicules militaires dans des images infrarouges, il est difficile de constituer de telles bases d'apprentissage. Pour y remédier, il est possible d'utiliser la simulation pour générer ces ensembles de données. Cependant, les architectures issues de l'état de l'art généralisent mal sur des données réelles après un entrainement sur données simulées. Dans cette thèse, nous proposons un réseau convolutif spécifique, appelée cfCNN, qui permet d'obtenir de meilleures performances que les modèles de l'état de l'art que nous avons testés. Nous supposons que les images qui lui seront présentées seront issues d'un module de détection qui peut être imparfaite. Nous évaluons donc la robustesse du cfCNN face à des translations et des changements d'échelle de la cible dans l'image d'entrée. Face à ces perturbations, le cfCNN montre une meilleure robustesse par rapport à des réseaux convolutifs issus de l'état de l'art. Pour améliorer la confiance dans les prédictions du cfCNN, nous proposons un module de détection d'anomalies de classification, basé sur le Local Outlier Factor. Cette approche montre de bonnes performances sur des données d'entrainement et de test homogènes. Cependant elle est moins performante pour un problème de transfert entre des données simulées et réelles. Pour compenser cette baisse de performance nous proposons alors un schéma en cascade qui exploite les informations issues de différentes couches du cfCNN.
Author: Souad Haddadi
Publisher:
ISBN:
Category :
Languages : fr
Pages : 172
Get Book Here
Book Description
Cette thèse, propose le développement d'une méthode d'analyse de séquence d'images pour l'interprétation de scènes dynamiques où évoluent des objets quelconques ou des êtres humains, sur fond non uniforme et sous éclairage peu contrôlé. Deux axes de recherche ont été abordés : l'analyse de mouvement (détection des objets en mouvement) et la reconnaissance des formes (identification des objets). L'approche de détection proposée s'appuie sur une procédure de segmentation statistique fondée sur le principe markovien et sur l'analyse de la texture. En considérant un opérateur fondé sur les différences entre trois images successives prises deux à deux, on met en évidence les objets mobiles ainsi que les régions du fond découvertes ou recouvertes par ces objets pendant leur mouvement. Une segmentation grossière est ensuite appliquée afin de ne traiter que les zones retenues de l'image. On enchaîne par une segmentation plus fine fondée sur le principe markovien et textural en rapprochant ce problème à celui d'une classification de l'image en pixel fixe et pixel mobile. L'approche d'identification de ces objets utilise un modèle statistique par les réseaux de neurones artificiels. Ils permettent ainsi l'apprentissage numérique par l'exemple. Des modèles d'architectures de réseaux de neurones ont été développés et appliqués à l'identification des êtres humains. Les performances de ces réseaux ont été calculées à l'aide de deux bases de données construites à cette occasion. Nous avons montré que l'on pouvait obtenir de bonnes performances à l'aide de réseaux du type MLP pour notre application. Toutefois, les études menées au cours de cette thèse soulèvent un certain nombre de problèmes théoriques difficiles, ainsi par exemple, à plusieurs reprises, nous nous sommes trouvés confrontés aux problèmes de la sélection d'un ensemble d'apprentissage pertinent.
Author: Praveen Kulkarni
Publisher:
ISBN:
Category :
Languages : fr
Pages :
Get Book Here
Book Description
Le Transfert de Connaissance (Knowledge Transfer or Transfer Learning) est une solution prometteuse au difficile problème de l'apprentissage des réseaux profonds au moyen de bases d'apprentissage de petite taille, en présence d'une grande variabilité visuelle intra-classe. Dans ce travail, nous reprenons ce paradigme, dans le but d'étendre les capacités des CNN les plus récents au problème de la classification. Dans un premier temps, nous proposons plusieurs techniques permettant, lors de l'apprentissage et de la prédiction, une réduction des ressources nécessaires - une limitation connue des CNN. (i) En utilisant une méthode hybride combinant des techniques classiques comme des Bag-Of-Words (BoW) avec des CNN. (iv) En introduisant une nouvelle méthode d'agrégation intégrée à une structure de type CNN ainsi qu'un modèle non-linéaire s'appuyant sur des parties de l'image. La contribution clé est, finalement, une technique capable d'isoler les régions des images utiles pour une représentation locale. De plus, nous proposons une méthode nouvelle pour apprendre une représentation structurée des coefficients des réseaux de neurones. Nous présentons des résultats sur des jeux de données difficiles, ainsi que des comparaisons avec des méthodes concurrentes récentes. Nous prouvons que les méthodes proposées s'étendent à d'autres tâches de reconnaissance visuelles comme la classification d'objets, de scènes ou d'actions.
Author: Sébastien Destercke
Publisher: Springer
ISBN: 3319993836
Category : Computers
Languages : en
Pages : 291
Get Book Here
Book Description
This book constitutes the refereed proceedings of the 5th International Conference on Belief Functions, BELIEF 2018, held in Compiègne, France, in September 2018.The 33 revised regular papers presented in this book were carefully selected and reviewed from 73 submissions. The papers were solicited on theoretical aspects (including for example statistical inference, mathematical foundations, continuous belief functions) as well as on applications in various areas including classification, statistics, data fusion, network analysis and intelligent vehicles.
Author: Heinrich H. Bülthoff
Publisher: Springer
ISBN: 3540361812
Category : Computers
Languages : en
Pages : 676
Get Book Here
Book Description
This book constitutes the refereed proceedings of the Second International Workshop on Biologically Motivated Computer Vision, BMCV 2002, held in Tübingen, Germany, in November 2002. The 22 revised full papers and 37 revised short papers presented together with 6 invited papers were carefully reviewed and selected from 97 submissions. The papers are organized in topical sections on neurons and features, motion, mid-level vision, recognition - from scenes to neurons, attention, robotics, and cognitive vision.
Author: CIKM 13 Conference Committee
Publisher:
ISBN: 9781450326964
Category : Computers
Languages : en
Pages : 938
Get Book Here
Book Description
CIKM'13: 22nd ACM International Conference on Information and Knowledge Management Oct 27, 2013-Nov 01, 2013 San Francisco, USA. You can view more information about this proceeding and all of ACM�s other published conference proceedings from the ACM Digital Library: http://www.acm.org/dl.
Author: Jeffrey R. Cares
Publisher: John Wiley & Sons
ISBN: 1118918940
Category : Technology & Engineering
Languages : en
Pages : 330
Get Book Here
Book Description
The first edited volume addressing analysis for unmanned vehicles, with focus on operations research rather than engineering The editors have a unique combination of extensive operational experience and technical expertise Chapters address a wide-ranging set of examples, domains and applications Accessible to a general readership and also informative for experts
Author: Gerald C. Holst
Publisher:
ISBN: 9780819485885
Category : Electronic book
Languages : en
Pages : 494
Get Book Here
Book Description
Includes Proceedings Vol. 7821
Author: Tahar Fakhfakh
Publisher: Springer Science & Business Media
ISBN: 3642287689
Category : Technology & Engineering
Languages : en
Pages : 621
Get Book Here
Book Description
Condition monitoring of machines in non-stationary operations (CMMNO) can be seen as the major challenge for research in the field of machinery diagnostics. Condition monitoring of machines in non-stationary operations is the title of the presented book and the title of the Conference held in Hammamet - Tunisia March 26 – 28, 2012. It is the second conference under this title, first took place in Wroclaw - Poland , March 2011. The subject CMMNO comes directly from industry needs and observation of real objects. Most monitored and diagnosed objects used in industry works in non-stationary operations condition. The non-stationary operations come from fulfillment of machinery tasks, for which they are designed for. All machinery used in different kind of mines, transport systems, vehicles like: cars, buses etc, helicopters, ships and battleships and so on work in non-stationary operations. The papers included in the book are shaped by the organizing board of the conference and authors of the papers. The papers are divided into five sections, namely: Condition monitoring of machines in non-stationary operations Modeling of dynamics and fault in systems Signal processing and Pattern recognition Monitoring and diagnostic systems Noise and vibration of machines The presented book gives the back ground to the main objective of the CMMNO 2012 conference that is to bring together scientific community to discuss the major advances in the field of machinery condition monitoring in non-stationary conditions.
Author: Claude Lemarechal
Publisher: Elsevier
ISBN: 1483188760
Category : Technology & Engineering
Languages : en
Pages : 195
Get Book Here
Book Description
Nonsmooth Optimization contains the proceedings of a workshop on non-smooth optimization (NSO) held from March 28 to April 8,1977 in Austria under the auspices of the International Institute for Applied Systems Analysis. The papers explore the techniques and theory of NSO and cover topics ranging from systems of inequalities to smooth approximation of non-smooth functions, as well as quadratic programming and line searches. Comprised of nine chapters, this volume begins with a survey of Soviet research on subgradient optimization carried out since 1962, followed by a discussion on rates of convergence in subgradient optimization. The reader is then introduced to the method of subgradient optimization in an abstract setting and the minimal hypotheses required to ensure convergence; NSO and nonlinear programming; and bundle methods in NSO. A feasible descent algorithm for linearly constrained least squares problems is described. The book also considers sufficient minimization of piecewise-linear univariate functions before concluding with a description of the method of parametric decomposition in mathematical programming. This monograph will be of interest to mathematicians and mathematics students.
