Domaine de connaissance
Affiner le parcours
Choisissez une branche plus précise ou continuez avec toutes les réponses ci-dessous.
Questions du domaine
20 résultats
On réduit la latence d’une segmentation profonde en choisissant une résolution et un modèle adaptés, en optimisant le calcul et en mesurant le délai complet jusqu’à la commande.
On évalue la robustesse d’une segmentation profonde avec des éclairages, textures, distances, occultations et scènes inédites, puis on mesure les erreurs qui changent réellement l’action du robot.
On limite les biais d’un jeu de segmentation en équilibrant les scènes, les objets et les conditions, en contrôlant les annotations et en mesurant les erreurs par groupe.
La segmentation profonde utilise un réseau de neurones pour produire des masques à partir des motifs appris dans les images, avec une sortie souvent dense et multi-échelle.
Si un modèle de détection profonde rencontre une scène inconnue, il doit signaler son incertitude, limiter l’action et demander une vérification ou un capteur complémentaire.
On vérifie qu’un détecteur profond est calibré en comparant ses scores de confiance à la fréquence réelle de ses bonnes détections sur des données représentatives.
L’estimation de pose humaine décrit où sont les articulations d’une personne, tandis que la reconnaissance d’une personne cherche plutôt à déterminer qui elle est ou à la distinguer.
Gérer les occultations dans une estimation de pose humaine consiste à conserver l’incertitude, exploiter les indices temporels et réduire l’action quand une partie du corps n’est plus visible.
Une question plus précise ?