METHOD, COMPUTER PROGRAM AND DEVICE FOR DRIVING A CONVOLUTIVE NEURAL NETWORK WITH DYNAMIC ARCHITECTURE FOR SEMANTIC IMAGE SEGMENTATION

L'invention concerne un procédé (200) d'entrainement d'un réseau neuronal convolutif à architecture dynamique pour la segmentation sémantique d'images, comprenant une phase (102) d'auto-annotation d'images, pour constituer une base (B1), dite première base, d'image...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: AMINI, Massih-Reza, PAULETTO, Loïc
Format: Patent
Sprache:eng ; fre ; ger
Schlagworte:
Online-Zugang:Volltext bestellen
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:L'invention concerne un procédé (200) d'entrainement d'un réseau neuronal convolutif à architecture dynamique pour la segmentation sémantique d'images, comprenant une phase (102) d'auto-annotation d'images, pour constituer une base (B1), dite première base, d'images auto-annotées, comprenant les étapes suivantes :- application (104) d'au moins une transformation à au moins une image source, et-ajout (106), à chaque image transformée ainsi obtenue, d'une étiquette, dite première étiquette, correspondant à ladite transformation ;ledit procédé (200) comprenant au moins une itération d'une phase (110) d'entrainement dudit réseau neuronal avec la première base d'images (B1), et une deuxième base d'images (B2) annotées avec une étiquette, dite deuxième étiquette, relative au contenu de ladite image.Elle concerne également un programme d'ordinateur et un dispositif mettant en œuvre un tel procédé, et un réseau neuronal convolutif à architecture dynamique à apprentissage profond obtenu par un tel procédé. The invention relates to a method (200) for training a dynamic-architecture convolutional neural network for semantic image segmentation, comprising a phase (102) of auto-annotation of images, to constitute a database (B1), called the first database, of auto-annotated images, comprising the following steps:applying (104) at least one transformation to at least one source image, andadding (106), to each transformed image thus obtained, a tag, called the first tag, corresponding to said transformation;said method (200) comprising at least one iteration of a phase (110) of training said neural network with the first image database (B1), and a second image database (B2) annotated with a tag, called a second tag, relating to the content of said image.It also relates to a computer program and a device implementing such a method, and a deep-learning dynamic-architecture convolutional neural network obtained by such a method.