====== Computer Vision and Pattern Recognition Segmentation d'image======
<WRAP center round box 60% centeralign>
**{{tagpage>ia|Intelligence Artificielle}}**     **[[http://translate.google.com/translate?hl=&sl=auto&tl=en&u=https%3A%2F%2Fressources.labomedia.org%2Fcomputer_vision_and_pattern_recognition_segmentation_d_image|English Version]]**
</WRAP>
<WRAP center round box 60% centeralign>
**[[les_pages_intelligence_artificielle_en_details|Les Pages Intelligence Artificielle en détails]]**
</WRAP>

<WRAP center round box 80% centeralign>
**{{tagpage>semaphore|Sémaphores}}**  ....  **{{tagpage>bge|Blender Game Engine}}** .... 
</WRAP>

<WRAP group>
<WRAP half column>
{{ youtube>trWrEWfhTVg?medium }}
**Une bonne explication de l'apprentissage profond, mais pas de la convolution**
</WRAP>
<WRAP half column>
{{ youtube>zG_5OtgxfAg?medium }}
**Les réseaux de convolution (CNN)**
</WRAP>
</WRAP>

<WRAP group>
<WRAP half column>
{{ media_01:polarlicht_2.jpg?400 |}}
</WRAP>
<WRAP half column>
{{ media_01:polarlicht_3.png?400 |}}
</WRAP>
</WRAP>

Wikipedia dit que la **[[https://fr.wikipedia.org/wiki/Segmentation_d%27image|segmentation d'image]]** est une opération de traitement d'images qui a pour but de rassembler des pixels entre eux suivant des critères pré-définis. Les pixels sont ainsi regroupés en régions, qui constituent un pavage ou une partition de l'image. Il peut s'agir par exemple de séparer les objets du fond.

La [[https://en.wikipedia.org/wiki/Image_segmentation|version anglaise]] beaucoup plus riche !

=====YOLO=====
{{ youtube>VOC3huqHrss?medium }}

Yolo v3 est utilisé avec: 
  * **[[yolo_darknet_avec_un_vrai_semaphore|Yolo Darknet avec un vrai sémaphore]]**
=====Définition de Mask R-CNN=====

Les Perceptron, Perceptron multi-couche, CNN sont expliqués sur la page **[[intelligence_artificielle|Intelligence Artificielle]]**.
====R-CNN====
**R-CNN** = **R**egional **C**onvolutional **N**eural **N**etwork

====Mask R-CNN====

  * [[https://medium.freecodecamp.org/mask-r-cnn-explained-7f82bec890e3|Mask-R-CNN expliqué]]
  * [[https://medium.com/technologymadeeasy/the-best-explanation-of-convolutional-neural-networks-on-the-internet-fbb8b1ad5df8|The best explanation of convolutional neural networks on the internet]]

=====MASK R-CNN vs YOLO vs Deeplab Xception=====
Un peu de zik: {{ youtube>s8Ui_kV9dhw?large }}
  * [[https://github.com/matterport/Mask_RCNN|MASK R-CNN]]
  * [[https://pjreddie.com/darknet/yolo/|YOLO]] You only look once
  * [[https://github.com/tensorflow/models/tree/master/research/deeplab|Deeplab Xception]]
=====Ressources=====
====ImageNet====
  * [[http://www.image-net.org|ImageNet]] est une base de données [[https://fr.wikipedia.org/wiki/ImageNet|d'images annotées]]

====COCO Common Object in Context====
  * [[http://cocodataset.org/#home|COCO is a large-scale object detection, segmentation, and captioning dataset]]

====ROI====
**ROI = Region of interest**

  * [[https://en.wikipedia.org/wiki/Region_of_interest|Region of interest]]
**Mask R-CNN**
  * [[https://en.wikipedia.org/wiki/Convolutional_neural_network|CNN = Convolutional neural network]]

**Region of Interest** pooling (also known as RoI pooling ou Roi) is a variant of max pooling, in which output size is fixed and input rectangle is a parameter.

Pooling is an important component of convolutional neural networks for object detection based on Fast R-CNN architecture.  

=====Mask R-CNN de la Société Matterport=====
  * [[https://github.com/matterport/Mask_RCNN|Mask R-CNN for Object Detection and Segmentation]] sur github
Mask R-CNN is based on Feature Pyramid Network (FPN) and a ResNet101 backbone.
  * [[https://matterport.com/|matterport]] 352 East Java Drive, Sunnyvale, CA, 94089

===Feature Pyramid Network===
  * [[https://arxiv.org/abs/1612.03144|Feature Pyramid Networks for Object Detection]]

===ResNet-101===
  * [[https://gist.github.com/flyyufelix/65018873f8cb2bbe95f429c474aa1294|ResNet-101 in Keras]]
  * [[https://www.kaggle.com/pytorch/resnet101|ResNet-101 Deep Residual Learning for Image Recognition]]

{{tag> ia python sb }}