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
2 DTIS, ONERA, Université Paris Saclay (COmUE) [Palaiseau]

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.

Mots clés: Semantic segmentation; deep learning; distance transform

Mots clés: Segmentation sémantique; cartes de distance; apprentissage profond

Domaines: Traitement des images [eess.IV]; Réseau de neurones [cs.NE]; Vision par ordinateur et reconnaissance de formes [cs.CV]

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⟩