Segmentation sémantique profonde par régression sur cartes de distances signées

Nicolas Audebert 1, 2 Alexandre Boulch 2 Bertrand Le Saux 2 Sébastien Lefèvre 1
1 OBELIX - Environment observation with complex imagery
UBS - Université de Bretagne Sud, IRISA-D5 - SIGNAUX ET IMAGES NUMÉRIQUES, ROBOTIQUE
2 DTIS, ONERA, Université Paris Saclay [Palaiseau]
Résumé : La compréhension de scène est une tâche visuelle reposant à l'heure actuelle sur une segmentation sémantique des images, obtenue par des réseaux profonds entièrement convolutifs. Toutefois, la nature convolutive de ces réseaux rend les frontières imprécises et les formes mal segmentées, alimentant un besoin croissant en régularisation a posteriori. Nous proposons ici de reformuler la tâche de segmentation sémantique en termes de régression de cartes de distance. Nous montrons qu'une telle formulation permet d'entraîner des réseaux convolutifs multi-tâches dont les segmentations générées sont plus régulières qu'avec les méthodes usuelles basées directement sur une classification dense.
Keywords : Semantic segmentation deep learning distance transform
Document type :
Conference papers
Liste complète des métadonnées

Cited literature [37 references]  Display  Hide  Download
https://hal.archives-ouvertes.fr/hal-01809991
Contributor : Nicolas Audebert <>
Submitted on : Thursday, June 7, 2018 - 1:12:35 PM
Last modification on : Tuesday, March 26, 2019 - 2:12:02 PM
Document(s) archivé(s) le : Saturday, September 8, 2018 - 1:26:33 PM

File

article-rfiap-apprentissage.pd...
Files produced by the author(s)

Identifiers

  • HAL Id : hal-01809991, version 1

Collections

INSTITUT-TELECOM | UNIV-RENNES1 | CENTRALESUPELEC | IRISA | IRISA_UBS | INRIA | UNIV-RENNES | UNIV-PARIS-SACLAY | UR1-UFR-ISTIC | ONERA | IRISA-D5

Citation

Nicolas Audebert, Alexandre Boulch, Bertrand Le Saux, Sébastien Lefèvre. Segmentation sémantique profonde par régression sur cartes de distances signées. Reconnaissance des Formes, Image, Apprentissage et Perception (RFIAP), Jun 2018, Marne-la-Vallée, France. ⟨hal-01809991⟩

Export

BibTeX TEI DC DCterms EndNote

Share

Metrics

Record views

539

Files downloads

598

Contact

support.ccsd.cnrs.fr
hal.support@ccsd.cnrs.fr
Logo CCSD