Etudiant : GUARTET ABDELHAQ

Filière : Master Informatique Décisionnelle et Vision Intelligente (MIDVI)

Encadrant : Pr. MOHAMED ADNANE MAHRAZ

Annèe : 2022

Résumé : Les réseaux de neurones convolutifs (CNN) ont récemment connu un grand succès dans une variété de tâches de vision par ordinateur, en particulier dans celles liées à la reconnaissance. L'estimation du flot optique n'a pas fait partie des tâches pour lesquelles les CNN ont connu du succès. Dans ce mémoire, nous construisons des réseaux CNN appropriés capables de résoudre le problème de l'estimation du flot optique comme une tâche d'apprentissage supervisé. Nous inspirons de l’architecture FlowNetC [DFI15] incluant une couche qui corrèle les vecteurs de caractéristiques à différents emplacements de l'image. Puisque les ensembles de données de vérité au sol existants ne sont pas suffisamment pour entraîner un CNN, nous générons un ensemble de données synthétiques Sintel. Nous montrons que les réseaux entraînés sur ces données irréalistes se généralisent très bien aux jeux de données existants tels que les chaises volantes et KITTI, atteignant une précision compétitive à des fréquences d'images de 5 à 10 images par seconde.