Programme de Doctorat en informatique

Département d’informatique et de génie logiciel

Faculté des sciences et de génie

 

Jeudi le 6 mai 2021 à 13 h

Par vidéoconférence zoom (voir lien ci-dessous)

 

https://ulaval.zoom.us/j/69956453869?pwd=WjJRa0dQZDJ2MnhkNjljVzdrZGNDQT09

ID de réunion : 699 5645 3869

Code secret : 211938

“Deep Learning for Object Detection in Robotic

Grasping Contexts” 

 

Jury

 

Philippe Giguère (directeur de recherche, examinateur, professeur Université Laval)

Abdeslam Boularias (co-directeur de recherche, examinateur, professeur Rutgers University)

Denis Laurendeau (examinateur, professeur Université Laval)

Jean-Philippe Roberge (examinateur, ETS Montréal)

Alexandre Campeau-Lecours (examinateur, professeur Université Laval)

Nadia Tawbi (présidente, directrice des programmes 2e et 3e cycles)

 

 

Résumé

 

Au cours des dernières années, les approches basées sur les réseaux de neurones convolutionnels sont devenus la norme pour la plupart des tâches en vision numérique. En pratique, il peut être difficile d’obtenir une quantité suffisante de données pour les entraîner et le processus d’entraînement doit être recommencé pour chaque nouvelle tâche ou ensemble d’objets. Dans nos travaux, nous proposons des stratégies visant à contourner ou solutionner en partie ces limitations en contexte de détection d’instances d’objets.  Nous proposons d’abord deux approches en cascade en jumelant des réseaux de neurones avec des approches plus classiques permettant de simplifier le processus d’entraînement et diminuer le nombre d’images d’entraînement nécessaires. Finalement, nous présentons une architecture de réseau de neurones ainsi qu’une procédure d’entraînement permettant de généraliser un détecteur d’objets à des objets qui ne sont pas vus par le réseau lors de l’entraînement.

 

Note: La présentation sera donnée en français.

 

 

Bienvenue à tous!