L'apprentissage profond pour le réassemblage d'images patrimoniales

Marie-Morgane Paumard (1) , David Picard (1) , Hedi Tabia (2)

1 ETIS - UMR 8051 - Equipes Traitement de l'Information et Systèmes
2 MIDI - Multimedia Indexation and Data Integration

Dans cet article, nous présentons Deepzzle, une méthode de résolution de puzzles reposant sur l'apprentissage automatique, adaptée au réassemblage d'objets patrimoniaux. En effet, ceux-ci subissent des contraintes particulières : érosion, fragments manquants, morceaux mélangés entre objets, etc. Deepzzle apporte une solution à ces problèmes. Abstract-In this paper, we present Deepzzle, a puzzle-solving method based on deep learning. Deepzzle is able to handle efficiently cultural heritage constraints: heritage collections suffer from erosion, missing fragments and mixed puzzles.

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

Marie-Morgane Paumard, David Picard, Hedi Tabia. L'apprentissage profond pour le réassemblage d'images patrimoniales. GRETSI 2019, Aug 2019, Lille, France. ⟨hal-02466564⟩