Différences

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

--- computer_vision_and_pattern_recognition [2019/03/05 10:41] – [Ressources] serge
+++ computer_vision_and_pattern_recognition_segmentation_d_image [2020/12/27 15:04] (Version actuelle) – serge
@@ Ligne 1: / Ligne 1: @@
-====== Computer Vision and Pattern Recognition ======
+====== 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}}** ....  **{{tagpage>ia|Intelligence Artificielle}}**
+**{{tagpage>semaphore|Sémaphores}}**  ....  **{{tagpage>bge|Blender Game Engine}}** ....
 </WRAP>
 <WRAP group>
 <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 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>
@@ 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.
-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=====
+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=====
-  * **[[https://arxiv.org/abs/1703.06870|Mask R-CNN]]**
+====ImageNet====
-  * **[[https://github.com/matterport/Mask_RCNN|Mask R-CNN for Object Detection and Segmentation]]** sur github
+  * [[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
-[[https://arxiv.org/abs/1612.03144|Feature Pyramid Networks for Object Detection]]
+===Feature Pyramid Network===
+  * [[https://arxiv.org/abs/1612.03144|Feature Pyramid Networks for Object Detection]]
-[[https://www.kaggle.com/pytorch/resnet101|ResNet101]]
+===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}}
+{{tag> ia python sb }}