quelques idées sur la reconnaissance d'objets · 2020-03-03 · quelques id ees sur la...
Post on 20-Jun-2020
1 Views
Preview:
TRANSCRIPT
Quelques idees sur la reconnaissance d’objets
Marie-Odile Berger, INRIA Nancy Grand Est
March 3, 2020
M.O. Berger Reco March 3, 2020 1 / 15
Reconnaissance et detection d’objets
reconnaissance: presence d’une instancede l’objet (� une voiture, un chat �)dans l’image
detection: situation precise de l’instancedans l’image (cadre englobant ousegmentation de la zone)
carte semantique: chaque pixel estetiquete par une classe (route, ligne,panneau, arbre...)
M.O. Berger Reco March 3, 2020 2 / 15
De la reconnaissance a la detection
La methode des fenetres glissantes (sliding widows):
Faire glisser une fenetre sur toute l’image
Reconnaitre si un objet est present dans chaque fenetre
Utiliser la technique avec des tailles de fenetres differentes pouridentifier l’objet avec differentes tailles
[Start Video]
M.O. Berger Reco March 3, 2020 3 / 15
La reconnaissance par apprentissage
Objectif: attribuer une classe a une image (voituren chat,..)
Donnees: des exemples multiples (millions parfois..) de chaque classe(donnees supervisees: N couples ¡entree-resultat¿
methodes etudiees: kNN (k-nearest neighbors), SVM et reseaux deneurones
M.O. Berger Reco March 3, 2020 4 / 15
Les methodes k-NN
la methode des k plus proches voisins est une methoded’apprentissage supervise.
Etant donne un element a classifier x , on determine ses k plusproches voisins (k-NN). La classe de x est la classe majoritaired’appartenance de ces k-voisins
On se sert des donnees d’apprentissage, mais il n’y a pas d’autresoperation que la recherche des voisins
M.O. Berger Reco March 3, 2020 5 / 15
Classifieur k-NN
Difficulte: choix de k?
M.O. Berger Reco March 3, 2020 6 / 15
SVM: machines a vecteur support
Principe: Determiner des hyperplan separateursh(x) =
∑wiwx − w0 = 0
x est de classe l = 1 si h(x) ≥ 0, et de classe l = −1 si h(x) 6= 0. Ona lk ∗ (w .x − w0) ≥ 0.
la fonction h(x) (c’est a dire les wi est apprise grace a l’ ensembled’apprentissage
Pour classifier un nouvel element X , on regarde le signe de h(X )
M.O. Berger Reco March 3, 2020 7 / 15
Comparaison des separateurs issus de differentes methodes
Voir l’exemple matlab: Visualize Decision Surfaces of Different Classifiers
M.O. Berger Reco March 3, 2020 8 / 15
Reseaux convolutionnels versus approches traditionnelles
l’approche par reseaux convolutionnels (CNN): extraction descaracteristiques et entrainement du classifieur ne sont pas dissociees:
M.O. Berger Reco March 3, 2020 9 / 15
Reseaux de neurones
Exemple d’un des premiers reseaus convolutionnels pour la classificationdes chiffres: [Lecun98]
Apprentissage supervise: une liste de donnees Zp dont la classe estconnue Dp (verite terrain)
Soit W les parametres ajustables du systeme (convolution,...)
le reseau calcule une fonction F (Z ,W ) qui fournit l’etiquette de Z
M.O. Berger Reco March 3, 2020 10 / 15
Reseaux de neurones et algorithme du gradientstochastique
Calcul de W?
Les parametres W du systeme sont “appris” en minimisantEtrain(W ) =
∑dist(Dp,F (Zp,W )
Minimisation par une descente de gradient... mais nombre de donneesd’entree tres important → le calcul du gradient est tres couteux
Recours aux methodes de descente de gradient stochastique: ungradient “bruite” est evalue sur la base d’un seul exemple tirealeatoirement (ou d’un petit lot) qui permet la re-estimation desparametres.
M.O. Berger Reco March 3, 2020 11 / 15
Segmentation semantique
Rouhani, Lafarge, Ailliez: Semantic segmentation of 3D texturedmeshes for urban scene Analysis (voir article sur ma page web)
objectif: etiqueter chaque point d’un nuage de points 3D avec uneclasse en utilisant l’apprentissage.
fecteur utilise pour la classif: concatenation d’informationgeometrique et phototometrique sur des super-facettes extraites desdonnees
[Start Video]. Voir aussi la page web:iciM.O. Berger Reco March 3, 2020 12 / 15
Precision de classification versus taille de la based’apprentissage
M.O. Berger Reco March 3, 2020 13 / 15
Influence de la taille des super-facettes
M.O. Berger Reco March 3, 2020 14 / 15
Exemples de classification
M.O. Berger Reco March 3, 2020 15 / 15
Cas difficiles
M.O. Berger Reco March 3, 2020 16 / 15
top related