Traitement d’images par deux approches d’apprentissage Bayésien
FR |
EN
Auteur / Autrice : | Yiqing Wang |
Direction : | Jean-Michel Morel |
Type : | Thèse de doctorat |
Discipline(s) : | Mathématiques appliquées |
Date : | Soutenance le 02/03/2015 |
Etablissement(s) : | Cachan, Ecole normale supérieure |
Ecole(s) doctorale(s) : | École doctorale Sciences pratiques (1998-2015 ; Cachan, Val-de-Marne) |
Partenaire(s) de recherche : | Laboratoire : Centre de mathématiques et de leurs applications (1990-2019 ; Cachan, Val-de-Marne) |
Jury : | Président / Présidente : Alain Trouvé |
Examinateurs / Examinatrices : Frédéric Guichard, Charles Kervrann | |
Rapporteurs / Rapporteuses : Boaz Nadler, Gabriel Peyré |
Mots clés
FR |
EN
Résumé
FR |
EN
Cette thèse porte sur deux méthodes à patch en traitement d’images dans le cadre de minimisation du risque Bayésien. Nous décrivons un mélange d’analyses factorielles pour modéliser la loi à priori des patchs dans une seule image et l’appliquons au débruitage et à l’inpainting. Nous étudions aussi les réseaux de neurones à multi-couches d’un point de vue probabiliste comme un outil permettant d’approcher l’espérance conditionnelle, ce qui ouvre quelques voies pour réduire leurs tailles et coût d’apprentissage.