Labomedia Ressources

Outils pour utilisateurs

Outils du site

Piste :
computer_vision_and_pattern_recognition_segmentation_d_image

Différences

Ci-dessous, les différences entre deux révisions de la page.

Lien vers cette vue comparative

Les deux révisions précédentesRévision précédente
Prochaine révision		Révision précédente
computer_vision_and_pattern_recognition_segmentation_d_image [2019/03/29 14:11] – [Mask R-CNN de la Société Matterport] sergecomputer_vision_and_pattern_recognition_segmentation_d_image [2020/12/27 15:04] (Version actuelle) – serge
Ligne 1: Ligne 1:
 ====== Computer Vision and Pattern Recognition Segmentation d'image====== ====== 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> <WRAP center round box 80% centeralign>
-**{{tagpage>semaphore|Sémaphores}}**  ....  **{{tagpage>bge|Blender Game Engine}}** ....  **{{tagpage>ia|Intelligence Artificielle}}**+**{{tagpage>semaphore|Sémaphores}}**  ....  **{{tagpage>bge|Blender Game Engine}}** .... 
 </WRAP> </WRAP>
  
 <WRAP group> <WRAP group>
 <WRAP half column> <WRAP half column>
-{{:2019_03:polarlicht_2.jpg?400|}}+{{ youtube>trWrEWfhTVg?medium }} 
 +**Une bonne explication de l'apprentissage profond, mais pas de la convolution**
 </WRAP> </WRAP>
 <WRAP half column> <WRAP half column>
-{{:2019_03:polarlicht_3.png?400|}}+{{ 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>
 </WRAP> </WRAP>
Ligne 16: Ligne 33:
 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. 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 !+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===== =====Définition de Mask R-CNN=====
  
Ligne 25: Ligne 47:
  
 ====Mask R-CNN==== ====Mask R-CNN====
-https://medium.freecodecamp.org/mask-r-cnn-explained-7f82bec890e3 
  
-https://medium.com/technologymadeeasy/the-best-explanation-of-convolutional-neural-networks-on-the-internet-fbb8b1ad5df8+  * [[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===== =====MASK R-CNN vs YOLO vs Deeplab Xception=====
 Un peu de zik: {{ youtube>s8Ui_kV9dhw?large }} Un peu de zik: {{ youtube>s8Ui_kV9dhw?large }}
-  * **[[https://github.com/matterport/Mask_RCNN|MASK R-CNN]]** +  * [[https://github.com/matterport/Mask_RCNN|MASK R-CNN]] 
-  *  **[[https://pjreddie.com/darknet/yolo/|YOLO]]** You only look once +  * [[https://pjreddie.com/darknet/yolo/|YOLO]] You only look once 
-  * **[[https://github.com/tensorflow/models/tree/master/research/deeplab|Deeplab Xception]]**+  * [[https://github.com/tensorflow/models/tree/master/research/deeplab|Deeplab Xception]]
 =====Ressources===== =====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==== ====COCO Common Object in Context====
-[[http://cocodataset.org/#home|COCO is a large-scale object detection, segmentation, and captioning dataset]]+  * [[http://cocodataset.org/#home|COCO is a large-scale object detection, segmentation, and captioning dataset]]
  
 ====ROI==== ====ROI====
 **ROI = Region of interest** **ROI = Region of interest**
  
-  * **https://en.wikipedia.org/wiki/Region_of_interest**+  * [[https://en.wikipedia.org/wiki/Region_of_interest|Region of interest]]
 **Mask R-CNN** **Mask R-CNN**
-  * **[[https://en.wikipedia.org/wiki/Convolutional_neural_network|CNN = Convolutional neural network]]**+  * [[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. **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.
Ligne 50: Ligne 75:
  
 =====Mask R-CNN de la Société Matterport===== =====Mask R-CNN de la Société Matterport=====
-  * **[[https://github.com/matterport/Mask_RCNN|Mask R-CNN for Object Detection and Segmentation]]** sur github+  * [[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. 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   * [[https://matterport.com/|matterport]] 352 East Java Drive, Sunnyvale, CA, 94089
  
 ===Feature Pyramid Network=== ===Feature Pyramid Network===
-  * **[[https://arxiv.org/abs/1612.03144|Feature Pyramid Networks for Object Detection]]**+  * [[https://arxiv.org/abs/1612.03144|Feature Pyramid Networks for Object Detection]]
  
 ===ResNet-101=== ===ResNet-101===
-  * **[[https://gist.github.com/flyyufelix/65018873f8cb2bbe95f429c474aa1294|ResNet-101 in Keras]]** +  * [[https://gist.github.com/flyyufelix/65018873f8cb2bbe95f429c474aa1294|ResNet-101 in Keras]] 
-  * **[[https://www.kaggle.com/pytorch/resnet101|ResNet-101 Deep Residual Learning for Image Recognition]]**+  * [[https://www.kaggle.com/pytorch/resnet101|ResNet-101 Deep Residual Learning for Image Recognition]]
  
 {{tag> ia python sb }} {{tag> ia python sb }}
computer_vision_and_pattern_recognition_segmentation_d_image.1553868688.txt.gz · Dernière modification : de serge