Vision artificielle

Objectif principal de la vision artificielle

Reproduire le plus fidèlement possible le modèle de la perception visuelle humaine au moyen d'une ou plusieurs caméras associées à un système de traitement de données.

Organisation de la matière (par semaine)

1 Cours + 1 TD + 1 TP 

  • Le cours : Comprendre les concepts de base
  • Le TD : Apprendre à utiliser un outil de vision artificielle (OPENCV)
  • Le TP : 6 TP à réaliser au courant du semestre 

Contenu du cours

Chapitre 0 : Rappel de traitement d'image

  1. Manipulation d'images
  2. Filtrage d'images

Chapitre 1 : Géométrie des images et vision 3D

  1. Schéma général d'un système de vision artificielle
  2. Principe de la formation des images
  3. Les outils de la vision 3D, géométrie épipolaire et reconstruction 3D à partir de vues multiples
  4. Calibrage de caméra

Chapitre 2 : Contours et segmentation

  1. Les techniques de la détection de contours
  2. Les techniques de la segmentation

Chapitre 3 : Mouvement

  1. Estimation du mouvement et flots optiques
  2. Les algorithmes d'estimation de mouvement
  3. Reconstruction de structures en utilisant le mouvement

Chapitre 4 : Détection de caractéristiques

  1. Détection de primitives (points/contours)
  2. Caractéristiques locales invariantes
  3. Techniques de détection de caractéristiques : HARRIS, SIFT, SURF
  4. Applications : Poursuite d'objets et Stitching

Chapitre 5 : Classification et reconnaissance 

  1. Reconnaissance et classification des objets
  2. Techniques de classification supervisée
  3. Technique de classification non-supervisée

Chapitre 6 : Deep learning pour vision

  1. Machine learning
  2. Réseau de neurone et MLP
  3. Deep learning, CNN, RBM, RNN

Crédit : 4

Coefficient : 2

Mode d'évaluation : C.C. 40%   -  Examen 60%