Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

22 octobre 2020

Segmentation d'images par caricatures : application aux champignons phyto-pathogènes


Catégorie : Stagiaire


Supervisors:Xavier Descombes , Sarah Laroui

Laboratory: Morpheme, INRIA/I3S/iBV

Team web page: http://www-sop.inria.fr/morpheme/

Contact web page: http://www-sop.inria.fr/members/Xavier.Descombes/

Email: Xavier.Descombes@inria.fr; Sarah.Laroui@inria.fr

Location: I3S in Sophia Antipolis



La segmentation des objets est une étape clé de l'analyse d'images car elle est un préalable à une approche sémantique de classification ou de modélisation. La modélisation ou la simple cartographie se fondent souvent sur une simplification de la réalité comme le montre le principe de généralisation en cartographie. Pour les objets, cela se traduit par une géométrie approximée par des objets paramétriques (disques, ellipses, rectangles, ...). D'un autre côté, l'apprentissage profond ("deep learning") a fait ses preuves pour de nombreux problèmes d'analyse d'images et notamment en segmentation d'images avec le réseau U-net.

L'objectif de ce stage est de construire un réseau de neurones convolutionnel (CNN) permettant d'extraire d'une image un ensemble de formes paramétriques représentant les objets. L'entrainement du réseau se fera dans un premier temps sur des images synthétiques de formes géométriques puis sera affiné par des segmentations obtenues par une approche par processus ponctuels marqués, qui a l'avantage de fournir une collection des formes en sortie.

Comme domaine applicatif nous considérerons des images de champignons pathogènes formés d'une spore initiale, modélisée par un disque, et d'un ensemble de structures filamenteuses, modélisées par un ensemble de rectangles ou d'ellipses.Les caricatures obtenues permettront d'estimer les paramètres d'un modèle de croissance des pathogènes actuellement en cours de développement.



Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2020.