Domaine de connaissance
Affiner le parcours
Choisissez une branche plus précise ou continuez avec toutes les réponses ci-dessous.
Questions du domaine
25 résultats
L’extraction de caractéristiques transforme des mesures brutes en variables plus compactes et informatives, comme contours, textures, vitesses ou formes, pour une détection, estimation ou décision robotique.
Le filtrage d’image transforme les pixels pour réduire bruit, corriger illumination, renforcer structures ou préparer segmentation et détection, en tenant compte de la résolution et de la latence du robot.
Un filtre de lissage atténue variations et bruit en combinant des pixels voisins ; un filtre de contours accentue les changements d’intensité pour localiser limites, arêtes ou transitions.
La taille d’un filtre se choisit selon taille du bruit, détail ou obstacle à préserver, résolution, vitesse du robot et budget de calcul, puis se valide par mesure plutôt que par une valeur universelle.
Pour réduire le bruit sans perdre un petit obstacle, on caractérise sa taille et son contraste, privilégie un filtre préservant les bords, combine plusieurs indices et vérifie les faux négatifs sur des scènes difficiles.
La latence d’un filtre d’image se vérifie en horodatant acquisition, fin de traitement et commande, puis en mesurant délai, gigue et effet sur la stabilité dans les pires charges du calculateur.
La segmentation sépare des zones ou instances dans une image afin que le robot distingue sol, objet, personne, obstacle ou région d’intérêt pour sa tâche.
Une segmentation aux frontières floues s’évalue avec plusieurs mesures et une inspection des cas critiques, car un léger décalage peut être sans conséquence dans un tri mais dangereux près d’un outil.
On vérifie la stabilité d’une segmentation en suivant les contours et identités sur plusieurs images, avec des mouvements de caméra, des changements de lumière et des occultations contrôlées.
La résolution d’une segmentation embarquée se choisit selon la taille du détail utile, la distance, la mémoire, le temps de calcul et la vitesse du robot, puis se vérifie sur les scènes réelles.
Annoter une frontière ambiguë consiste à distinguer ce qui est visible, incertain ou masqué, et à appliquer une règle constante plutôt qu’à inventer un contour précis.
La segmentation sémantique attribue une classe à chaque pixel, tandis que la segmentation d’instances sépare chaque objet individuel, même lorsque plusieurs objets partagent la classe.
Une question plus précise ?