Apprentissage contrastif de modèles de processus ponctuels pour la détection d'objets - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Contrastive learning of point processes for object detection

Apprentissage contrastif de modèles de processus ponctuels pour la détection d'objets

Résumé

This paper presents a model for object detection based on point processes, which allows considering object interactions, while using the features extracted by a convolutional neural network. We also present a contrastive learning method to infer the parameters of the energy model, to then apply our method to the detection of vehicles in optical satellite images.
Cet article présente un modèle de détection d'objets fondé sur un processus ponctuel, qui permet de considérer des interactions entre les objets, tout en exploitant l'information extraite par un CNN. Nous proposons également une méthode d'apprentissage contrastif des paramètres du modèle d'énergie, puis appliquons cette méthode à la détection de véhicules dans des images satellitaires optiques.
Fichier principal
Vignette du fichier
gretsi_mabon_6.0.pdf (1.04 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04177141 , version 1 (04-08-2023)

Licence

Paternité

Identifiants

  • HAL Id : hal-04177141 , version 1

Citer

Jules Mabon, Mathias Ortner, Josiane Zerubia. Apprentissage contrastif de modèles de processus ponctuels pour la détection d'objets. GRETSI 2023 - XXIXème Colloque Francophone de Traitement du Signal et des Images, Aug 2023, Grenoble, France. ⟨hal-04177141⟩
40 Consultations
23 Téléchargements

Partager

Gmail Facebook X LinkedIn More