Approches connexionnistes pour la reconnaissance d'images d'insectes

Chloé Martineau (1) , Romain Raveaux (1) , Donatello Conte (1) , Gilles Venturini (1)

1 LIFAT - Laboratoire d'Informatique Fondamentale et Appliquée de Tours

Les insectes sont des êtres vivants dont l'utilité dans les sciences du vivant est très importante. Ils permettent d'obtenir des connaissances sur l'état et le fonctionnement des milieux naturels. Néanmoins, leur identification demande du temps et de l'expérience. Le présent document traite de l'automatisation de cette tâche par reconnaissance d'image et plus particulièrement par application de méthodes connexionnistes telles que les réseaux de neurones convolutionnels. La nature structurelle de ces images est également questionnée par l'application de représentations à base de graphes.

Mots clés: Classification; image reconnaissance; insectes; arthropodes; entomologie; réseaux de neurone; transfer learning; graphes

Domaines: Vision par ordinateur et reconnaissance de formes [cs.CV]

Chloé Martineau, Romain Raveaux, Donatello Conte, Gilles Venturini. Approches connexionnistes pour la reconnaissance d'images d'insectes. ORASIS 2017, GREYC, Jun 2017, Colleville-sur-Mer, France. ⟨hal-01866627v2⟩