Détection d’objets dans des images grand-angle

La detection d’objets est une tache complexe en vision par ordinateur car elle vise a la fois a etablir la localisation et la classification d’objets dans une image. Cette tache devient plus difficile lorsqu’elle est etudiee sur des images capturees par des cameras munies de lentilles « grand-angle ». Ces lentilles offrent des champs de vue significativement plus grands qu’une lentille conventionnelle, mais causent des distorsions severes dans les images, ce qui peut confondre les algorithmes de detection. En fait, en plus de la prediction des cadres de delimitation (en anglais, bounding box) et des categories d’objets, les modeles doivent desormais egalement etre robustes a la distorsion radiale importante. En raison de sa complexite par rapport aux progres realises dans la detection d’objets conventionnelle, la detection d’objets sur des images grand-angle est encore embryonnaire. Ainsi, nous consacrons ce travail a etudier l’applicabilite de Darswin, un reseau de neurones profond developpe par l’equipe de recherche du chercheur principal et base sur !’architecture Swin mais qui s’adapte a la distorsion, a un modele de detection de type DETR.
En pratique, ii existe une grande diversite de lentilles grand-angle.

Faculty Supervisor:

Jean-Francois Lalonde

Student:

Partner:

Thales Canada Inc (Montreal, QC)

Discipline:

Computer science

Sector:

Management of companies and enterprises; Manufacturing; Professional, scientific and technical services

University:

Université Laval

Program: