Segmentation sémantique pour la reconnaissance de scènes
Encadrants : Thibaut Durand
Email : thibaut.durand@lip6.fr
Disponible : NON
Nombre d'étudiants : 1
Description :
L’objectif de ce projet est d’étudier des méthodes de segmentation sémantique [1] pour la reconnaissance de scènes. Pour chaque image, la tache consiste à associer, à chaque pixel, un label parmi un ensemble de classes prédéfinis (voiture, building, ciel, eau,…). L’objectif final est de prédire un masque de segmentation qui indique la catégorie de chaque pixel. Les pixels sont classés à partir de caractéristiques locales comment la couleur, la texture… Ce projet s’intéressera principalement aux méthodes d’apprentissage structuré [2] pour la classification des pixels.
Pré-requis : Programmation C/C++, Java.
Travail demandé : - Étude bibliographique sur la segmentation sémantique.
- Mise en place d’une chaine de segmentation sémantique à partir de codes existants.
- Evaluation des performances de la chaine et des paramètres sur la base SIFT-Flow [3].
- Mise en place d’une chaine de segmentation sémantique à partir de codes existants.
- Evaluation des performances de la chaine et des paramètres sur la base SIFT-Flow [3].
Liens complémentaires : [1] D. Larlus, J. Verbeek and F. Jurie, Category level object segmentation by combining bag-of-words models with Dirichlet processes and random fields, International Journal of Computer Vision (IJCV), 2010
[2] I. Tsochantaridis, T. Joachims, T. Hofmann, and Y. Altun, Large Margin Methods for Structured and Interdependent Output Variables, Journal of Machine Learning Research (JMLR 05)
[3] C. Liu, J. Yuen, and A. Torralba. Nonparametric Scene Parsing via Label Transfer. PAMI, 2011
[2] I. Tsochantaridis, T. Joachims, T. Hofmann, and Y. Altun, Large Margin Methods for Structured and Interdependent Output Variables, Journal of Machine Learning Research (JMLR 05)
[3] C. Liu, J. Yuen, and A. Torralba. Nonparametric Scene Parsing via Label Transfer. PAMI, 2011
