Skip to Main content Skip to Navigation
Conference papers

Segmentation d'instance dans des images fisheye

Résumé : Le défi de la segmentation d’instance a été exploré principalement avec des images rectilinéaires. Cependant, la segmentation d’instance dans des images fisheye implique des difficultés supplémentaires et n’a pas encore été complètement explorée. Un modèle CNN capable de fonctionner aussi bien sur des données rectilinéaires que sur des données fisheye sans modification permet d’envisager de multiples applications, et possède des avantages en terme de puissance de calcul requise, ce qui se révèle être un aspect crucial pour les systèmes temps réels, comme ceux embarqués en environnement transport. Dans cet article, nous démontrons qu’un ensemble simple d’augmentations fisheye permet d’améliorer les performances sur des images fisheye tout en conservant celles obtenues sur des images rectilinéaires.
Complete list of metadata

https://hal.archives-ouvertes.fr/hal-03339664
Contributor : Ccsd Sciencesconf.Org Connect in order to contact the contributor
Submitted on : Thursday, September 9, 2021 - 3:41:19 PM
Last modification on : Tuesday, October 19, 2021 - 11:35:02 PM

File

ORASIS_2021_compressed_final.p...
Files produced by the author(s)

Identifiers

  • HAL Id : hal-03339664, version 1
`

Citation

Rémi Dufour, Cyril Meurie, Olivier Lézoray, Ankur Mahtani. Segmentation d'instance dans des images fisheye. ORASIS 2021, Centre National de la Recherche Scientifique [CNRS], Sep 2021, Saint Ferréol, France. ⟨hal-03339664⟩

Share

Metrics

Record views

36

Files downloads

38