Download or read book Apprentissage supervis pour la segmentation d images written by Vincent Martin (auteur d'une thèse de doctorat en informatique).) and published by . This book was released on 2004 with total page 71 pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book METHODES NEURONALES POUR LA SEGMENTATION D IMAGES DE TELEDETECTION ET L APPRENTISSAGE DE CONCEPTS written by Jean-Pierre Novak and published by . This book was released on 2000 with total page 229 pages. Available in PDF, EPUB and Kindle. Book excerpt: L'UTILISATION DES METHODES D'APPRENTISSAGE AUTOMATIQUE AVEC LES JEUX DE DONNEES COMPLEXES ET VOLUMINEUX DES IMAGES DE TELEDETECTION EST SOUVENT DELICATE, EN PARTICULIER AVEC LES IMAGES DE ZONES URBAINES QUI CONTIENNENT DES TAUX IMPORTANTS DE PIXELS MIXTES. LA CLASSIFICATION PIXEL PAR PIXEL DE CES IMAGES GENERE DES CLASSES SPECTRALES MIXTES QUI NE SONT PAS TOUJOURS INTERESSANTES. D'AUTRE PART, LA COMPLEXITE DE CES DONNEES REND DIFFICILE L'APPRENTISSAGE SUPERVISE DES CLASSIFICATIONS EFFECTUEES PAR UN EXPERT. CETTE THESE PROPOSE DEUX METHODES D'APPRENTISSAGE BIEN ADAPTEES A CES JEUX DE DONNEES COMPLEXES. LA PREMIERE ENTRE DANS LA CATEGORIE DES METHODES D'APPRENTISSAGE NON SUPERVISE. ELLE A POUR OBJECTIF DE CLASSIFIER ET DE SEGMENTER LES IMAGES DE TELEDETECTION EN REGIONS ET DE DEPASSER LE NIVEAU DES PIXELS. ELLE UTILISE DES INFORMATIONS SPATIALES EN PLUS DES INFORMATIONS SPECTRALES AFIN DE CONSTRUIRE PAR AGREGATION DES REGIONS ET DE LES CLASSIFIER. LA SECONDE METHODE ENTRE DANS LA CATEGORIE DES METHODES D'APPRENTISSAGE NEURONAL SUPERVISE. ELLE A POUR OBJECTIF DE REPRODUIRE LES CLASSIFICATIONS DE L'EXPERT SUR DES DONNEES D'APPRENTISSAGE COMPLEXES ET DE LES GENERALISER SUR DES DONNEES NON VUES DURANT L'APPRENTISSAGE. ELLE UTILISE UNE REPRESENTATION INTERNE DES CONNAISSANCES SOUS LA FORME DE NEURONES DE TYPE HYPERCONVEXE ET UN ALGORITHME D'APPRENTISSAGE EFFICACE.

Download or read book Apprentissage faiblement supervis appliqu la segmentation d images de prot ines neuronales written by Anthony Bilodeau and published by . This book was released on 2020 with total page 100 pages. Available in PDF, EPUB and Kindle. Book excerpt: En biologie cellulaire, la microscopie optique est couramment utilisée pour visualiser et caractériser la présence et la morphologie des structures biologiques. Suite à l’acquisition, un expert devra effectuer l’annotation des structures pour quantification. Cette tâche est ardue, requiert de nombreuses heures de travail, parfois répétitif, qui peut résulter en erreurs d’annotations causées par la fatigue d’étiquetage. L’apprentissage machine promet l’automatisation de tâches complexes à partir d’un grand lot de données exemples annotés. Mon projet de maîtrise propose d’utiliser des techniques faiblement supervisées, où les annotations requises pour l’entraînement sont réduites et/ou moins précises, pour la segmentation de structures neuronales. J’ai d’abord testé l’utilisation de polygones délimitant la structure d’intérêt pour la tâche complexe de segmentation de la protéine neuronale F-actine dans des images de microscopie à super-résolution. La complexité de la tâche est supportée par la morphologie hétérogène des neurones, le nombre élevé d’instances à segmenter dans une image et la présence de nombreux distracteurs. Malgré ces difficultés, l’utilisation d’annotations faibles a permis de quantifier un changement novateur de la conformation de la protéine F-actine en fonction de l’activité neuronale. J’ai simplifié davantage la tâche d’annotation en requérant seulement des étiquettes binaires renseignant sur la présence des structures dans l’image réduisant d’un facteur 30 le temps d’annotation. De cette façon, l’algorithme est entraîné à prédire le contenu d’une image et extrait ensuite les caractéristiques sémantiques importantes pour la reconnaissance de la structure d’intérêt à l’aide de mécanismes d’attention. La précision de segmentation obtenue sur les images de F-actine est supérieure à celle des annotations polygonales et équivalente à celle des annotations précises d’un expert. Cette nouvelle approche devrait faciliter la quantification des changements dynamiques qui se produisent sous le microscope dans des cellules vivantes et réduire les erreurs causées par l’inattention ou le biais de sélection des régions d’intérêt dans les images de microscopie.

Download or read book Segmentation interactive multiclasse d images par classification de superpixels et optimisation dans un graphe de facteurs written by Bérangère Mathieu and published by . This book was released on 2017 with total page 157 pages. Available in PDF, EPUB and Kindle. Book excerpt: La segmentation est l'un des principaux thèmes du domaine de l'analyse d'images. Segmenter une image consiste à trouver une partition constituée de régions, c'est-à-dire d'ensembles de pixels connexes homogènes selon un critère choisi. L'objectif de la segmentation consiste à obtenir des régions correspondant aux objets ou aux parties des objets qui sont présents dans l'image et dont la nature dépend de l'application visée. Même s'il peut être très fastidieux, un tel découpage de l'image peut être facilement obtenu par un être humain. Il n'en est pas de même quand il s'agit de créer un programme informatique dont l'objectif est de segmenter les images de manière entièrement automatique. La segmentation interactive est une approche semi-automatique où l'utilisateur guide la segmentation d'une image en donnant des indications. Les méthodes qui s'inscrivent dans cette approche se divisent en deux catégories en fonction de ce qui est recherché : les contours ou les régions. Les méthodes qui recherchent des contours permettent d'extraire un unique objet correspondant à une région sans trou. L'utilisateur vient guider la méthode en lui indiquant quelques points sur le contour de l'objet. L'algorithme se charge de relier chacun des points par une courbe qui respecte les caractéristiques de l'image (les pixels de part et d'autre de la courbe sont aussi dissemblables que possible), les indications données par l'utilisateur (la courbe passe par chacun des points désignés) et quelques propriétés intrinsèques (les courbes régulières sont favorisées). Les méthodes qui recherchent les régions groupent les pixels de l'image en des ensembles, de manière à maximiser la similarité en leur sein et la dissemblance entre les différents ensembles. Chaque ensemble correspond à une ou plusieurs composantes connexes et peut contenir des trous. L'utilisateur guide la méthode en traçant des traits de couleur qui désignent quelques pixels appartenant à chacun des ensembles. Si la majorité des méthodes ont été conçues pour extraire un objet principal du fond, les travaux menés durant la dernière décennie ont permis de proposer des méthodes dites multiclasses, capables de produire une partition de l'image en un nombre arbitraire d'ensembles. La contribution principale de ce travail de recherche est la conception d'une nouvelle méthode de segmentation interactive multiclasse par recherche des régions. Elle repose sur la modélisation du problème comme la minimisation d'une fonction de coût pouvant être représentée par un graphe de facteurs. Elle intègre une méthode de classification par apprentissage supervisé assurant l'adéquation entre la segmentation produite et les indications données par l'utilisateur, l'utilisation d'un nouveau terme de régularisation et la réalisation d'un prétraitement consistant à regrouper les pixels en petites régions cohérentes : les superpixels. L'utilisation d'une méthode de sur-segmentation produisant des superpixels est une étape clé de la méthode que nous proposons : elle réduit considérablement la complexité algorithmique et permet de traiter des images contenant plusieurs millions de pixels, tout en garantissant un temps interactif. La seconde contribution de ce travail est une évaluation des algorithmes permettant de grouper les pixels en superpixels, à partir d'un nouvel ensemble de données de référence que nous mettons à disposition et dont la particularité est de contenir des images de tailles différentes : de quelques milliers à plusieurs millions de pixels. Cette étude nous a également permis de concevoir et d'évaluer une nouvelle méthode de production de superpixels.

Download or read book Processing high resolution images through deep learning techniques written by Praveer Singh and published by . This book was released on 2018 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: Dans cette thèse, nous discutons de quatre scénarios d'application différents qui peuvent être largement regroupés dans le cadre plus large de l'analyse et du traitement d'images à haute résolution à l'aide de techniques d'apprentissage approfondi. Les trois premiers chapitres portent sur le traitement des images de télédétection (RS) captées soit par avion, soit par satellite à des centaines de kilomètres de la Terre. Nous commençons par aborder un problème difficile lié à l'amélioration de la classification des scènes aériennes complexes par le biais d'un paradigme d'apprentissage profondément faiblement supervisé. Nous montrons comment en n'utilisant que les étiquettes de niveau d'image, nous pouvons localiser efficacement les régions les plus distinctives dans les scènes complexes et éliminer ainsi les ambiguïtés qui mènent à une meilleure performance de classification dans les scènes aériennes très complexes. Dans le deuxième chapitre, nous traiterons de l'affinement des étiquettes de segmentation des empreintes de pas des bâtiments dans les images aériennes. Pour ce faire, nous détectons d'abord les erreurs dans les masques de segmentation initiaux et corrigeons uniquement les pixels de segmentation où nous trouvons une forte probabilité d'erreurs. Les deux prochains chapitres de la thèse portent sur l'application des Réseaux Adversariatifs Génératifs. Dans le premier, nous construisons un modèle GAN nuageux efficace pour éliminer les couches minces de nuages dans l'imagerie Sentinel-2 en adoptant une perte de consistance cyclique. Ceci utilise une fonction de perte antagoniste pour mapper des images nuageuses avec des images non nuageuses d'une manière totalement non supervisée, où la perte cyclique aide à contraindre le réseau à produire une image sans nuage correspondant a` l'image nuageuse d'entrée et non à aucune image aléatoire dans le domaine cible. Enfin, le dernier chapitre traite d'un ensemble différent d'images `à haute résolution, ne provenant pas du domaine RS mais plutôt de l'application d'imagerie à gamme dynamique élevée (HDRI). Ce sont des images 32 bits qui capturent toute l'étendue de la luminance présente dans la scène. Notre objectif est de les quantifier en images LDR (Low Dynamic Range) de 8 bits afin qu'elles puissent être projetées efficacement sur nos écrans d'affichage normaux tout en conservant un contraste global et une qualité de perception similaires à ceux des images HDR. Nous adoptons un modèle GAN multi-échelle qui met l'accent à la fois sur les informations plus grossières et plus fines nécessaires aux images à haute résolution. Les sorties finales cartographiées par ton ont une haute qualité subjective sans artefacts perçus.

Download or read book Imagerie num rique avanc es et perspectives pour la couleur written by FERNANDEZ-MALOIGNE Christine and published by Lavoisier. This book was released on 2012-04-16 with total page 378 pages. Available in PDF, EPUB and Kindle. Book excerpt: Cet ouvrage collectif recense les dernières avancées dans le domaine de l'analyse automatique des images numériques couleur. Destiné aux chercheurs, ingénieurs R&D et étudiants en Master ou Doctorat, il constitue un état de l'art critique et le plus exhaustif possible sur les problématiques scientifiques soulevées par les différentes étapes constituant une chaîne de traitement des images couleur. Le filtrage et la segmentation des images fixes sont abordés par des techniques récentes telles que les outils morphologiques couleur, les équations aux dérivées partielles, l'algèbre quaternionique ou l'analyse de graphes. La caractérisation des textures couleur est traitée par la prédiction linéaire ou des descripteurs statistiques. La reconnaissance d'objets fixes ou en mouvement dans des vidéos couleur nécessite d'utiliser des attributs invariants aux conditions d'éclairage. Une attention particulière a été apportée aux espaces couleur, et notamment ceux séparant la luminance de la chrominance.

Download or read book Syst me d apprentissage multit che d di la segmentation des l sions sombres et claires de la r tine dans les images de fond d il written by Clément Playout and published by . This book was released on 2018 with total page 99 pages. Available in PDF, EPUB and Kindle. Book excerpt: Le travail de recherche mené dans le cadre de cette maîtrise porte sur l'exploitation de l'imagerie de la rétine à des fins de diagnostic automatique. Il se concentre sur l'image de fond d'oeil, qui donne accès à une représentation en deux dimensions et en couleur de la surface de la rétine. Ces images peuvent présenter des symptômes de maladie, sous forme de lésions ou de déformations des structures anatomiques de la rétine. L'objet de cette maîtrise est de proposer une méthodologie de segmentation simultanée de ces lésions dans l'image de fond d'oeil, regroupées en deux catégories : claires ou sombres. Réaliser cette double segmentation de façon simultanée est inédit : la vaste majorité des travaux précédents se concentrant sur un seul type de lésions. Or, du fait des contraintes de temps et de la difficulté que cela représente dans un environnement clinique, il est impossible pour un clinicien de tester la multitude d'algorithmes existants. D'autant plus que lorsqu'un patient se présente pour un examen, le clinicien n'a aucune connaissance a priori sur le type de pathologie et par conséquent sur le type d'algorithme à utiliser. Pour envisager une utilisation clinique, il est donc important de réfléchir à une solution polyvalente, rapide et aisément déployable. Parallèlement, l'apprentissage profond a démontré sa capacité à s'adapter à de nombreux problèmes de visions par ordinateur et à généraliser ses performances sur des données variées malgré des ensembles d'entraînement parfois restreints. Pour cela, de nouvelles stratégies sont régulièrement proposées, ambitionnant d'extraire toujours mieux les informations issues de la base d'entraînement. En conséquence, nous nous sommes fixés pour objectif de développer une architecture de réseaux de neurones capable de rechercher toutes les lésions dans une image de fond d'oeil. Pour répondre à cet objectif, notre méthodologie s'appuie sur une nouvelle architecture de réseaux de neurones convolutifs reposant sur une structure multitâche entraînée selon une approche hybride faisant appel à de l'apprentissage supervisé et faiblement supervisé. L'architecture se compose d'un encodeur partagé par deux décodeurs spécialisés chacun dans un type de lésions. Ainsi, les mêmes caractéristiques sont extraites par l'encodeur pour les deux décodeurs. Dans un premier temps, le réseau est entraîné avec des régions d'images et la vérité terrain correspondante indiquant les lésions (apprentissage supervisé). Dans un second temps, seul l'encodeur est ré-entraîné avec des images complètes avec une vérité terrain composé d'un simple scalaire indiquant si l'image présente des pathologies ou non, sans préciser leur position et leur type (apprentissage faiblement supervisé).

Download or read book Traitement du signal et de l image pour la biom trie written by NAÏT-ALI Amine and published by Lavoisier. This book was released on 2012-09-14 with total page 370 pages. Available in PDF, EPUB and Kindle. Book excerpt: Ce livre met en évidence l'utilisation des différentes approches de traitement du signal et de l'image dans des applications d'identification ou d'authentification des individus. Son contenu s'adresse, en particulier, aux étudiants de 3ème cycle, chercheurs et ingénieurs qui souhaitent s'initier au développement d'algorithmes spécifiques et leur intégration dans des systèmes biométriques. Le lecteur y trouvera, d'une part, des chapitres introductifs, orientés pédagogie et d'autre part, des chapitres à vocation recherche. Evidemment, la reconnaissance faciale 2D/3D, la reconnaissance par l'iris et les traits de la main sont considérés, mais les auteurs ont également souhaité renforcer le contenu de cet ouvrage par des chapitres portant sur la multi-biométrie, l'évaluation des performances des systèmes biométriques ainsi que certains outils de traitement du signal tels que la classification, la cryptographie et la protection des données. Enfin, il est également présenté dans cet ouvrage de nouveaux concepts et orientations récentes. Ce travail est le fruit de la contribution de plusieurs acteurs du milieu académique et de l'industrie, actifs dans le domaine de la biométrie et de la sécurité.

Download or read book Le Deep Learning pour le traitement d images written by Daphne Wallach and published by ENI. This book was released on 2024-01-10 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book M thodes d apprentissage flou written by Jean-Charles Atine and published by . This book was released on 2005 with total page 137 pages. Available in PDF, EPUB and Kindle. Book excerpt: TLes travaux présentés ont pour objectif d'aider les biologistes au diagnostic de la viabilité cellulaire en utilisant des méthodes de classification floues. Notre travail fait part d'une stratégie de classification permettant de construire un partitionnement d'images de cellules venant d'un microscope optique. Nous aboutissons à une classification automatique des cellules, en segmentant l'image, par l'algorithme T-LAMDA que nous avons développé. Une étude portant sur les méthodes de classification existantes, l'espace couleur et la résistance au bruit, permet de trouver la structure la plus adaptée à notre étude. L'analyse comparative de différentes méthodes (dont les méthodes LAMDA et T-LAMDA), nous permet de mettre en exergue la plus appropriée pour la classification des cellules mélangées au bleu de méthylène. Nous proposons quelques algorithmes supervisés basés sur LAMDA afin de voir si le sens de traitement des données au niveau de cet algorithme influe sur le résultat. L'algorithme T-LAMDA, basé sur les arbres de décisions, se révèle le mieux adapté pour notre étude et donne ainsi des résultats plus précis que les autres méthodes, avec un temps d'exécution plus court. Nous suggérons de faire un apprentissage en utilisant l'application CELCA, Cell Classification Application, qui utilise l'algorithme T-LAMDA. Le logiciel se charge des calculs des cinétiques, en fonction des images qui respectent un protocole bien défini. Le temps de traitement de 117 images est de 6'47'' minutes, ce qui est largement en dessous du temps mis par les biologistes en effectuant manuellement le comptage.

Download or read book Apprentissage d une repr sentation statistique et topologique d un environnement written by Linda Tomasini and published by . This book was released on 1993 with total page 211 pages. Available in PDF, EPUB and Kindle. Book excerpt: Cette thèse porte sur l'apprentissage d'une représentation d'un environnement par un réseau de neurones. L’algorithme d'apprentissage non supervisé que nous proposons est basé sur l'identification d'un mélange de gaussiennes et est mis en œuvre sur une carte topologique du type de celles de Kohonen. Une relation formelle est établie avec les algorithmes de classification automatique floue. Nous traitons ensuite deux applications directes de cet algorithme à la vision artificielle: en segmentation d'images par analyse de texture et en imagerie médicale pour la visualisation de données tomographiques de débit sanguin cérébral. Dans la dernière partie, deux architectures hybrides sont définies dans les buts d'apprendre, respectivement, une suite récurrente et les corrélations entre deux variables représentées sur deux cartes topologiques. Dans les deux cas, l'apprentissage fait coopérer l'algorithme précédent de classification automatique avec une règle d'apprentissage supervisée.

Download or read book Etude du passage l chelle des algorithmes de segmentation et de classification en t l d tection pour le traitement de volumes massifs de donn es written by Pierre Lassalle and published by . This book was released on 2015 with total page 180 pages. Available in PDF, EPUB and Kindle. Book excerpt: Les récentes missions spatiales d'observation de la Terre fourniront des images optiques à très hautes résolutions spatiale, spectrale et temporelle générant des volumes de données massifs. L'objectif de cette thèse est d'apporter de nouvelles solutions pour le traitement efficace de grands volumes de données ne pouvant être contenus en mémoire. Il s'agit de lever les verrous scientifiques en développant des algorithmes efficaces qui garantissent des résultats identiques à ceux obtenus dans le cas où la mémoire ne serait pas une contrainte. La première partie de la thèse se consacre à l'adaptation des méthodes de segmentation pour le traitement d'images volumineuses. Une solution naïve consiste à découper l'image en tuiles et à appliquer la segmentation sur chaque tuile séparément. Le résultat final est reconstitué en regroupant les tuiles segmentées. Cette stratégie est sous-optimale car elle entraîne des modifications par rapport au résultat obtenu lors de la segmentation de l'image sans découpage. Une étude des méthodes de segmentation par fusion de régions a conduit au développement d'une solution permettant la segmentation d'images de taille arbitraire tout en garantissant un résultat identique à celui obtenu avec la méthode initiale sans la contrainte de la mémoire. La faisabilité de la solution a été vérifiée avec la segmentation de plusieurs scènes Pléiades à très haute résolution avec des tailles en mémoire de l'ordre de quelques gigaoctets. La seconde partie de la thèse se consacre à l'étude de l'apprentissage supervisé lorsque les données ne peuvent être contenues en mémoire. Dans le cadre de cette thèse, nous nous focalisons sur l'algorithme des forêts aléatoires qui consiste à établir un comité d'arbres de décision. Plusieurs solutions ont été proposées dans la littérature pour adapter cet algorithme lorsque les données d'apprentissage ne peuvent être stockées en mémoire. Cependant, ces solutions restent soit approximatives, car la contrainte de la mémoire réduit à chaque fois la visibilité de l'algorithme à une portion des données d'apprentissage, soit peu efficaces, car elles nécessitent de nombreux accès en lecture et écriture sur le disque dur. Pour pallier ces problèmes, nous proposons une solution exacte et efficace garantissant une visibilité de l'algorithme sur l'ensemble des données d'apprentissage. L'exactitude des résultats est vérifiée et la solution est testée avec succès sur de grands volumes de données d'apprentissage.

Download or read book High Order Models in Semantic Image Segmentation written by Ismail Ben Ayed and published by Elsevier. This book was released on 2023-06-16 with total page 182 pages. Available in PDF, EPUB and Kindle. Book excerpt: High-Order Models in Semantic Image Segmentation reviews recent developments in optimization-based methods for image segmentation, presenting several geometric and mathematical models that underlie a broad class of recent segmentation techniques. Focusing on impactful algorithms in the computer vision community in the last 10 years, the book includes sections on graph-theoretic and continuous relaxation techniques, which can compute globally optimal solutions for many problems. The book provides a practical and accessible introduction to these state-of -the-art segmentation techniques that is ideal for academics, industry researchers, and graduate students in computer vision, machine learning and medical imaging. Gives an intuitive and conceptual understanding of this mathematically involved subject by using a large number of graphical illustrations Provides the right amount of knowledge to apply sophisticated techniques for a wide range of new applications Contains numerous tables that compare different algorithms, facilitating the appropriate choice of algorithm for the intended application Presents an array of practical applications in computer vision and medical imaging Includes code for many of the algorithms that is available on the book's companion website

Download or read book M thodes variationnelles pour la segmentation d images partir de mod les written by Raphaël Prevost and published by . This book was released on 2013 with total page 213 pages. Available in PDF, EPUB and Kindle. Book excerpt: La segmentation d'images médicales est depuis longtemps un sujet de recherche actif. Cette thèse traite des méthodes de segmentation basées modèles, qui sont un bon compromis entre généricité et capacité d'utilisation d'informations a priori sur l'organe cible. Notre but est de construire un algorithme de segmentation pouvant tirer profit d'une grande variété d'informations extérieures telles que des bases de données annotées (via l'apprentissage statistique), d'autres images du même patient (via la co-segmentation) et des interactions de l'utilisateur. Ce travail est basé sur la déformation de modèle implicite, une méthode variationnelle reposant sur une représentation implicite des formes. Après avoir amélioré sa formulation mathématique, nous montrons son potentiel sur des problèmes cliniques difficiles. Nous introduisons ensuite différentes généralisations, indépendantes mais complémentaires, visant à enrichir le modèle de forme et d'apparence utilisé. La diversité des applications cliniques traitées prouve la généricité et l'efficacité de nos contributions.

Download or read book Segmentation d images par classification floue fond e sur une approche neuromim tique written by Slim M'Hiri and published by . This book was released on 1996 with total page 318 pages. Available in PDF, EPUB and Kindle. Book excerpt: CETTE THESE PRESENTE UNE NOUVELLE METHODE DE SEGMENTATION D'IMAGES PAR UNE APPROCHE DE CLASSIFICATION SEQUENTIELLE NEURO-FLOUE. L'ALGORITHME DE CLASSIFICATION QUE NOUS PROPOSONS COMBINE LES CAPACITES D'APPRENTISSAGE DES MODELES NEUROMIMETIQUES ET LA SOUPLESSE AU NIVEAU DE LA PRISE DE DECISION OFFERTE PAR LA LOGIQUE FLOUE. NOUS NOUS SOMMES AUX CARTES AUTO-ORGANISANTES DE KOHONEN POUR LEUR PROPRIETES TOPOLOGIQUES INTERESSANTES DANS LE CADRE DE LA SEGMENTATION D'IMAGES. CETTE PROCEDURE FAIT APPEL A DES HEURISTIQUES CE QUI INDUIT D'UNE PART LE REGLAGE D'UN NOMBRE IMPORTANT DE PARAMETRES ET D'AUTRE PART DES PROBLEMES DE CONVERGENCE. DANS UN PREMIER TEMPS NOUS PROPOSONS UNE CONTRIBUTION A L'AMELIORATION DE L'ALGORITHME DE KOHONEN, EN PRESENTANT UNE NOUVELLE REGLE D'APPRENTISSAGE. CETTE DERNIERE REALISE L'OPTIMISATION ITERATIVE D'UNE FONCTIONNELLE DE COUT QUE NOUS AVONS DEFINIS. CETTE REGLE D'APPRENTISSAGE EST ENSUITE UTILISEE AFIN DE DEFINIR UNE NOUVELLE METHODE DE SEGMENTATION D'IMAGES NON SUPERVISEE AGISSANT EN DEUX ETAPES. LORS DE LA PREMIERE ETAPE, NOUS EXPLOITONS LES PROPRIETES TOPOLOGIQUES, CONSERVEES PAR LE NOUVEL ALGORITHME D'APPRENTISSAGE, AFIN DE DEDUIRE LE NOMBRE DE CLASSES EXISTANT DANS L'IMAGE AINSI QUE DES PROTOTYPES POUR CHAQUE CLASSE. LA DEUXIEME ETAPE CONSISTE A ETIQUETER LES PELS DE L'IMAGE. DANS UN PREMIER TEMPS, NOUS DEFINISSONS UNE NOUVELLE METHODE DE CLASSIFICATION FLOUE A CENTRES MOBILES QUI CONSTITUE UNE APPROCHE REGION ATTRIBUANT A CHAQUE PEL L'ETIQUETTE DE LA CLASSE A LAQUELLE IL APPARTIENT. NOUS PROPOSONS EGALEMENT UNE NOUVELLE METHODE ADAPTATIVE D'EXTRACTION DE CONTOURS EN MARQUANT LES PELS POUR LESQUELS LES PROPRIETES TOPOLOGIQUES SONT MISES A DEFAUT SPATIALEMENT. NOUS AVONS ENFIN VALIDE LA NOUVELLE METHODE DE SEGMENTATION AVEC DES IMAGES DE NATURES DIFFERENTES (IMAGE DE SCENE, IMAGE SCANNOGRAPHIQUE ET IMAGES ECHOCARDIOGRAPHIQUES)

Download or read book Outils d analyse vid o pour une pleine exploitation des donn es de la vid oprotection written by DUFOUR Jean-Yves and published by Lavoisier. This book was released on 2012-10-22 with total page 386 pages. Available in PDF, EPUB and Kindle. Book excerpt: L’utilisation croissante de la vidéoprotection rend nécessaire la mise en place de fonctions d’analyse vidéo pour alléger voire automatiser des tâches aujourd’hui entièrement réalisées par des opérateurs. Après avoir dressé un panorama des avancées et des perspectives en analyse d’image, cet ouvrage détaille les principales fonctions d’analyse vidéo, comme la détection, le suivi et la reconnaissance d’objets d’intérêt (personnes ou véhicules) ou les fonctions de « haut-niveau » visant à interpréter les scènes observées (évènements, comportements, nature de la scène...). Les besoins sont illustrés sous l’angle de deux applications majeures, la sécurité des transports et l’investigation. Les contraintes d’ordres juridique et éthique sont présentées, ainsi que les caractéristiques des données vidéo traitées, au travers des caméras et des méthodes de compression utilisées. La problématique de l’évaluation de performance, tant au niveau opérationnel qu’au niveau des fonctions d’analyse, est également exposée.

Download or read book Image Segmentation written by Tao Lei and published by John Wiley & Sons. This book was released on 2022-10-11 with total page 340 pages. Available in PDF, EPUB and Kindle. Book excerpt: Image Segmentation Summarizes and improves new theory, methods, and applications of current image segmentation approaches, written by leaders in the field The process of image segmentation divides an image into different regions based on the characteristics of pixels, resulting in a simplified image that can be more efficiently analyzed. Image segmentation has wide applications in numerous fields ranging from industry detection and bio-medicine to intelligent transportation and architecture. Image Segmentation: Principles, Techniques, and Applications is an up-to-date collection of recent techniques and methods devoted to the field of computer vision. Covering fundamental concepts, new theories and approaches, and a variety of practical applications including medical imaging, remote sensing, fuzzy clustering, and watershed transform. In-depth chapters present innovative methods developed by the authors—such as convolutional neural networks, graph convolutional networks, deformable convolution, and model compression—to assist graduate students and researchers apply and improve image segmentation in their work. Describes basic principles of image segmentation and related mathematical methods such as clustering, neural networks, and mathematical morphology. Introduces new methods for achieving rapid and accurate image segmentation based on classic image processing and machine learning theory. Presents techniques for improved convolutional neural networks for scene segmentation, object recognition, and change detection, etc. Highlights the effect of image segmentation in various application scenarios such as traffic image analysis, medical image analysis, remote sensing applications, and material analysis, etc. Image Segmentation: Principles, Techniques, and Applications is an essential resource for undergraduate and graduate courses such as image and video processing, computer vision, and digital signal processing, as well as researchers working in computer vision and image analysis looking to improve their techniques and methods.