Système d'appariement d'images avec réseau de neurones à décharges

Cette thèse propose un système d’appariement de formes dans les images. La plupart des systèmes développés dans l'état de l'art en vision artificielle requièrent beaucoup d'entraînement, et ne tiennent pas en compte la disposition précise des caractéristiques dans les images. Le but principal de cette thèse est de proposer un système polyvalent qui répond à ces deux faiblesses, et qui peut être jumelé à différents systèmes de l'état de l'art afin d'en améliorer les performances. On propose donc une approche qui peut être utilisée sans apprentissage, et qui permet d'établir une correspondance détaillée entre deux images, conservant ainsi la structure locale des caractéristiques. Le système est testé sur des problèmes comme l'appariement pixel à pixel où l'apprentissage sur de grosses bases de données n'est pas une option et sur la réidentification de personnes, où la localisation précise des caractéristiques des images est importante. Le système est implémenté avec un réseau de neurones à décharges, il est donc compatible avec les architectures neuromorphiques à décharges qui sont en train d'émerger.

Name thesis:degree_name

Ph. D.

Level thesis:degree_level

Doctorat

Discipline thesis:degree_discipline

Génie électrique

Grantor dc:publisher

Université de Sherbrooke

Year dc:date.issued

2020

Author dc:creator

• De Ladurantaye, Vincent

Advisor dc:contributor.advisor

• Rouat, Jean

• Réseau de neurones à décharges
• Appariement temporel
• Appariement d'image
• Correspondance dense pixel à pixel
• Réidentification de personnes
• Spiking neural network
• Temporal binding
• Image matching
• Dense pixel matching
• Person reidentification

Licence dc:rights.uri

• http://creativecommons.org/licenses/by-nc-sa/2.5/ca/

Language dc:language.iso

fr

Handle dc:identifier.uri

http://hdl.handle.net/11143/17833

OAI identifier oai:identifier

oai:usherbrooke.scholaris.ca:11143/17833