Bentley : Détection, classification et inspection de panneaux routiers en contexte semi-supervisé

La quantité et la diversité des panneaux de signalisation routière sont en augmentation constante. Parmi les défis posés par cette situation, on retrouve celui de l’inspection. En effet, ces panneaux doivent conserver des propriétés physiques déterminées (comme une réflectivité minimale) afin de satisfaire aux exigences gouvernementales. L’inspection manuelle de chaque panneau étant fastidieuse, des systèmes de capture vidéo embarqués sur un véhicule sont maintenant disponibles. Les données obtenues doivent dès lors être prétraitées et les panneaux identifiés dans chaque image, classifiés, puis validés. Toutefois, l’apprentissage de tels traitements est complexifié par la rareté de jeux de données complètement annotés. Le projet proposé se concentre donc sur cet apprentissage en contexte semi-supervisé. Plus spécifiquement, il vise la conception d’une méthode capable d’apprendre en utilisant d’une part des images ayant seulement des annotations globales (ex. « un panneau de ce type est présent quelque part dans cette image ») et d’autre part un catalogue d’images haute résolution des panneaux existants, dans le but d’atteindre des performances équivalentes à celles d’une méthode entièrement supervisée, qui serait idéale mais irréalisable en pratique.

Intern: 
Israël Akobi
Superviseur universitaire: 
Christian Gagné;Jean-Francois Lalonde
Province: 
Quebec
Université: 
Partenaire: 
Partner University: 
Discipline: 
Programme: