Comment reconnaître un même objet malgré des points de vue très différents ?
Un même objet est reconnu sous des points de vue différents en combinant forme, texture, profondeur et transformations observées, puis en vérifiant la cohérence de la pose.
Domaine de connaissance
Affiner le parcours
Choisissez une branche plus précise ou continuez avec toutes les réponses ci-dessous.
Questions du domaine
25 résultats
Un même objet est reconnu sous des points de vue différents en combinant forme, texture, profondeur et transformations observées, puis en vérifiant la cohérence de la pose.
La classification répond à « quelle catégorie est présente ? », tandis que la détection répond aussi à « où se trouve chaque objet ? ». Un robot qui doit saisir a généralement besoin…
Pour reconnaître un objet partiellement masqué, le robot combine les parties visibles, le contexte et parfois plusieurs vues, tout en gardant une confiance réduite si le contour reste incertain.
Préparer des annotations d’objets consiste à définir les classes, les contours ou boîtes, les cas difficiles et une règle commune, puis à contrôler la cohérence avant l’entraînement.
Un robot signale un objet inconnu quand l’image ne ressemble pas suffisamment aux classes apprises ou quand plusieurs interprétations restent possibles ; il décrit alors l’incertitude et demande une action adaptée.
Le suivi de cibles consiste à conserver l’identité et la position d’un objet au fil des images ou des mesures, malgré ses mouvements, les occultations et le bruit.
On associe une détection à une piste existante en comparant position prédite, taille, apparence, vitesse et cohérence temporelle, avec un seuil de confiance et une gestion des conflits.
On suit une cible avec une caméra robotique en détectant l’objet, en estimant son mouvement, en orientant la caméra ou le robot et en indiquant l’incertitude quand la vue se dégrade.
On suit plusieurs cibles en maintenant une piste par objet, en résolvant les associations globalement et en prévoyant les croisements, les sorties de champ et les identités perdues.
On valide un suivi de cibles avec des scènes annotées, des croisements, occultations, changements de lumière et sorties de champ, en mesurant détections, ruptures et échanges d’identité.
On évalue une reconnaissance d’objets sur des images et scènes variées, avec annotations cohérentes et mesures séparées pour chaque catégorie.
Si un robot ne peut pas confirmer l’absence d’obstacle, il doit réduire son risque : ralentir, s’arrêter ou demander une vérification selon la situation.
Une question plus précise ?