{"id":359,"date":"2012-06-07T17:24:39","date_gmt":"2012-06-07T15:24:39","guid":{"rendered":"http:\/\/project.inria.fr\/keops\/?page_id=359"},"modified":"2012-07-24T17:17:40","modified_gmt":"2012-07-24T15:17:40","slug":"recherche-application","status":"publish","type":"page","link":"https:\/\/project.inria.fr\/keops\/fr\/recherche-2\/recherche-application\/","title":{"rendered":"Recherche : Application"},"content":{"rendered":"

Int\u00e9gration de ces nouveaux modules sensoriels dynamiques dans une architecture visuelle et exp\u00e9rimentation de leurs performances dans le cas de la vision d\u00e9grad\u00e9e.<\/span><\/strong><\/p>\n

Objectif:<\/strong> Validation de l’architecture de vision pr\u00e9coce non-standard bio-inspir\u00e9e sur des donn\u00e9es r\u00e9alistes, en ciblant les applications en basse vision (par exemple sousmarines).<\/p>\n

M\u00e9thodes:<\/strong> Puisqu’une architecture de vision pr\u00e9coce innovate est rendue disponible gr\u00e2ve aux autres t\u00e2ches du projet, l’\u00e9tape finale consiste \u00e0 la valider en l’incorporant dans un syst\u00e8me visuel d’inspiration biologique syst\u00e8me, et en ciblant une application pour laquelle les m\u00e9thodes visuelles de l’\u00e9tat de l’art \u00e9chouent au moins partiellement.<\/p>\n

En plus de ces validations, ces r\u00e9sultats vont va \u00eatre compar\u00e9 \u00e0 des m\u00e9canismes d’apprentissage artificiels de haut niveau, par exemple que des d\u00e9tecteurs de nouveaut\u00e9 (Kassab et al, 2009), afin de quantifier les performances obtenues.<\/p>\n

Puisque nous voulons exp\u00e9rimenter dans quelle mesure une telle am\u00e9lioration de la vision pr\u00e9coce peut contribuer \u00e0 la perception visuelle, nous allons non seulement prendre en compte des m\u00e9canismes visuels de bas niveau, mais aussi exp\u00e9rimenter \u00e0 plus haut niveau certaines fonctions perceptives visuelles. De telles d\u00e9monstration concr\u00e8te de l’am\u00e9lioration de t\u00e2ches cognitives incluerons:
\n(i) Non-lin\u00e9aire de d\u00e9tection statique \/ dynamique des indices: le calcul de cartes de par exemple color\u00e9-texture \/ background-mouvement \/ objet de mouvement avec la segmentation des r\u00e9gions uniformes wr.t. la queue.<\/p>\n

(ii) Reconnaissance gestuelle: la distinction entre deux d\u00e9placements diff\u00e9rents (par exemple la marche forc\u00e9e par rapport \u00e0 une marche naturelle, ou le comportement d’une foule).<\/p>\n

(iii) Reconnaissance de cat\u00e9gories d’images: reconna\u00eetre des cat\u00e9gories g\u00e9n\u00e9rales d’images (par exemple, uen image naturelle par rapport \u00e0une\u00a0 sc\u00e8ne artificielle, un animal par rapport \u00e0 un objet manufactur\u00e9).<\/p>\n

(iv) D\u00e9tection d’\u00e9v\u00e9nements inattendus: par exemple un d\u00e9placement inattendu\u00a0 (qui correspond \u00e0 un \u00e9chec de la pr\u00e9diction du d\u00e9tecteur de mouvement local).<\/p>\n

(v) Segmentation de l’image \u00e0 partir de sa cat\u00e9gorisation: quand une cat\u00e9gorisation est r\u00e9alis\u00e9e, les unit\u00e9s de la r\u00e9tine ayant une contribution non n\u00e9gligeable \u00e0 ce processus de cat\u00e9gorisation fournissent un indice sur la partie de l’image correspondant \u00e0 cette classification, ce qui permet la segmentation.<\/p>\n

Cela signifie que, au niveau de la mod\u00e9lisation d’inspiration biologique, des fonctions extra-corticales en connexion avec les cellules r\u00e9tiniennes vont \u00eatre \u00e9tudi\u00e9es, y compris les centres de l’attention et de la vision motiv\u00e9s.<\/p>\n

\u00c9tapes de travail:<\/strong><\/p>\n

(i) Sp\u00e9cifications d’un ensemble de tests de r\u00e9f\u00e9rence pour la validation\u00a0 (lreconnaissance de cat\u00e9gories d’objet, d\u00e9tection de nouveaut\u00e9).<\/p>\n

(ii) D\u00e9ploiement de la plate-forme d’analyse comparative des donn\u00e9es et des logiciels.<\/p>\n

(iii) R\u00e9alisation d’un test d’\u00e9talonnage par arpports aux algorithmes impl\u00e9mentants les m\u00e9canismes non standards de la r’etine.<\/p>","protected":false},"excerpt":{"rendered":"

Int\u00e9gration de ces nouveaux modules sensoriels dynamiques dans une architecture visuelle et exp\u00e9rimentation de leurs performances dans le cas de la vision d\u00e9grad\u00e9e. Objectif: Validation de l’architecture de vision pr\u00e9coce non-standard bio-inspir\u00e9e sur des donn\u00e9es r\u00e9alistes, en ciblant les applications en basse vision (par exemple sousmarines). M\u00e9thodes: Puisqu’une architecture de vision pr\u00e9coce innovate est rendue … <\/p>\n

Lire la suite<\/a><\/p>\n","protected":false},"author":36,"featured_media":0,"parent":128,"menu_order":5,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-359","page","type-page","status-publish","hentry","nodate","item-wrap"],"_links":{"self":[{"href":"https:\/\/project.inria.fr\/keops\/fr\/wp-json\/wp\/v2\/pages\/359","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/project.inria.fr\/keops\/fr\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/project.inria.fr\/keops\/fr\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/project.inria.fr\/keops\/fr\/wp-json\/wp\/v2\/users\/36"}],"replies":[{"embeddable":true,"href":"https:\/\/project.inria.fr\/keops\/fr\/wp-json\/wp\/v2\/comments?post=359"}],"version-history":[{"count":11,"href":"https:\/\/project.inria.fr\/keops\/fr\/wp-json\/wp\/v2\/pages\/359\/revisions"}],"predecessor-version":[{"id":374,"href":"https:\/\/project.inria.fr\/keops\/fr\/wp-json\/wp\/v2\/pages\/359\/revisions\/374"}],"up":[{"embeddable":true,"href":"https:\/\/project.inria.fr\/keops\/fr\/wp-json\/wp\/v2\/pages\/128"}],"wp:attachment":[{"href":"https:\/\/project.inria.fr\/keops\/fr\/wp-json\/wp\/v2\/media?parent=359"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}