Transfert de style et adaptation de domaine pour la segmentation sémantique

par Fabio Pizzati

Projet de thèse en Informatique temps réel, robotique et automatique - Paris

Sous la direction de Fawzi Nashashibi, Stefano Selleri et de Raoul De Charette.

Thèses en préparation à Paris Sciences et Lettres en cotutelle avec l'Université de Bologne , dans le cadre de Ecole doctorale Ingénierie des Systèmes, Matériaux, Mécanique, Énergétique (Paris) , en partenariat avec Mathématiques et Systèmes (laboratoire) , CAOR - Centre de CAO et Robotique (equipe de recherche) et de École nationale supérieure des mines (Paris) (établissement de préparation de la thèse) depuis le 12-11-2019 .


  • Résumé

    Les algorithmes de vision par ordinateur ne fonctionnent pour la plus part qu'en conditions claires et échouent en conditions météorologiques dégradées. Cela est dû aux artefacts visuels, tels que la pluie ou les reflets. L'objectif de cette thèse est le développement d'algorithmes profonds de transfert de styles, la translation d'image à image et l'adaptation de domaine non-supervisé pour rendre les algorithmes de vision robustes aux conditions météo.

  • Titre traduit

    Style transfer and domain adaptation for semantic segmentation


  • Résumé

    State-of-the-art perception algorithms for autonomous driving have limited effectiveness in adverse weather. This is caused by the addition of visual artifacts in the scene, such as rain and reflections. The objective of this thesis is to leverage style transfer, image-to-image translation and unsupervised domain adaptation techniques to build deep learning based perception algorithms resistant to adverse weather.