Rechercher

Soutenance de Thèse: Hicham Randrianarivo

Lieu: CNAM - Amphi Paul Painlevé
Date et Heure de début: 15-12-2016
Description:

Titre : Apprentissage statistique de classes sémantiques pour l'interprétation d'images aériennes

Résumé :

Ce travail concerne l'interprétation du contenu des images aériennes optiques panchromatiques très haute résolution. Deux méthodes pour la classification du contenu de ces images ont été développées. Une méthode basée sur la détection des instances des différentes catégories d'objets et une autre méthode basée sur la segmentation sémantique de l'image utilisant un modèle des relations de contexte entre les superpixels extraits de l'image. La méthode de détection des objets dans une image très haute résolution est basée sur l'apprentissage d'un mélange de modèles d'apparence d'une catégorie d'objets à détecter puis de la fusion des hypothèses renvoyées par le mélange. Nous proposons une méthode de partitionnement des exemples d'apprentissage de la base en sous-catégories visuelles basée sur une procédure en deux étapes qui utilise les métadonnées des exemples et leurs apparences. Cette phase de partitionnement permet d'apprendre des modèles d'apparence où chaque modèle est spécialisé dans la reconnaissance d'une sous-catégorie visuelle de la base et dont la fusion permet de généraliser les détections à l'ensemble de la classe sémantique. Les performances du détecteur ainsi obtenues sont évaluées sur plusieurs bases d'images aériennes très haute résolution à des différentes résolutions et en plusieurs endroits du monde. La méthode de segmentation sémantique contextuelle développée utilise une combinaison des descriptions visuelles des superpixels extraits d'une image et des informations de contexte extraits entre les superpixel. La représentation du contexte entre les superpixels est obtenu en utilisant une représentation par modèle graphique entre les superpixels voisins. Les noeuds du graphes correspondant à la représentation visuelle d'un superpixel et les arêtes la représentation contextuelle entre deux voisins. Enfin nous présentons une méthode de prédiction de la catégorie d'un superpixel en fonction des décisions données par les voisins pour rendre les prédictions plus robustes. La méthode a été testé sur une base d'image aérienne très haute résolution.

Organise: Vertigo
Contact: Marin Ferecatu
Marin.Ferecatucnam.fr