Modèles de Markov triplets, apprentissage profond, et détection de la route pour conduite autonome

par Clément Fernandes

Projet de thèse en Mathématiques appliquées

Sous la direction de Wojciech Pieczynski.

Thèses en préparation à Paris Saclay , dans le cadre de École doctorale de mathématiques Hadamard (Orsay, Essonne ; 2015-....) , en partenariat avec Télécom SudParis (France) (laboratoire) , TIPIC - Traitement de l'Information Pour Images et Communication (equipe de recherche) et de Institut national des télécommunications (Evry) (établissement de préparation de la thèse) depuis le 15-04-2019 .


  • Résumé

    Les objectifs de notre projet concernent d'une part l'extension du modèle de Machines de Boltzmann Restreinte (RBM) aux RBM « triplets » en se basant sur la similitude entre les RBM et les modèles de Markov cachés et les travaux précédents qui ont élaboré les modèles de Markov triplet à partir des modèles de Markov cachés. Et d'autre part appliquer et comparer les RBM « triplets », RBM et Markov triplet sur la détection de route.

  • Titre traduit

    Triplet Markov models, deep learning and road detection for autonomous driving


  • Résumé

    Our objectives are on the one hand, the extension of the Restricted Boltzmann Machines (RBM) to « triplets » RBM, based on the between RBM and Hidden Markov models as well as previous work which elaborated the Triplets Markov models from the Hidden Markov models. On the other hand we want to use and compare the « triplets » RBM, RBM and Triplet Markov models on road detection.