| Titre : | Deep learning pour le suivi des objets 3D réels dans la réalité augmentée |
| Auteurs : | AICHA FERDJELLI, Auteur ; Mohamed Chaouki Babahenini, Directeur de thèse |
| Type de document : | Monographie imprimée |
| Editeur : | Biskra [Algérie] : Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie, Université Mohamed Khider, 2021 |
| Format : | 1 vol. (53 p.) / ill. / 29 cm |
| Langues: | Français |
| Mots-clés: | Réalité augmentée, Segmentation, Occultation, auto-encodeur, convolution, Réseau de neurone (CNN). |
| Résumé : | Le concept de Réalité Augmentée vise à accroître la perception du monde réel en y ajoutant des éléments non perceptibles à priori par l'oeil humain. Plusieurs problèmes doivent être résolus pour obtenir une incrustation réaliste. Il faut tout d'abord pouvoir déterminer le point de vue adopté pour chaque prise de vue (alignement des caméras réelle et virtuelle) afin d'incruster l'objet de synthèse au bon endroit. Il faut ensuite tenir compte des interactions entre les éléments virtuels insérés et la scène réelle : traiter le problème d’occultation qui est dû essentiellement au mixage du monde réel avec les objets virtuels utilisés pour l’augmentation de la scène.Le présent projet se propose pour traiter ce problème, pour cela plusieurs techniques ont été proposé dans la littérature, nous avons choisi d’utiliser l'apprentissage profond pour d’une part effectuer une segmentation d’image afin d’identifier les objets d’intérêts et enlever l’arrièreplan et d’autre part gérer les occultations. |
| Sommaire : |
1.1 Introduction ........................................................................................ 2
1.2 Continuum de Milgram ..................................................................... 2 1.3 Principes de fonctionnement de la réalité augmentée..................... 4 1.4 Domaines d’application ..................................................................... 5 1.4.1. Publicité et commercial ................................................................................. 6 1.4.2. Divertissement et éducation .......................................................................... 8 1.4.3. Applications médicales ................................................................................ 10 1.4.4. Applications mobiles .................................................................................... 11 1.5 Occultation pour RA ........................................................................ 12 1.6 Réalité augmentée et deep Learning .............................................. 12 1.7 Conclusion ......................................................................................... 13 2.1 Introduction ...................................................................................... 14 2.2 Apprentissage profond ..................................................................... 14 2.2.1 Principe .......................................................................................................... 14 2.2.2 Types d'apprentissage automatique ............................................................ 15 2.2.3 Les Réseaux de Neurones ............................................................................. 17 2.2.4- Présentation de quelques Types de réseaux neuronaux .......................... 17 2.3. Auto-encodeur ................................................................................. 20 2.3.1 Définition ....................................................................................................... 20 2.3.2 Composants de l'auto-encodeur .................................................................. 21 2.3.3 Types d'auto-encodeurs ............................................................................... 22 2.4 Application des auto-encodeurs ...................................................... 24 2.4.1 Bruitage d'image ........................................................................................... 24 2.4.2 Réduction de dimensionnalité ...................................................................... 24 2.4.3 Extraction de caractéristiques ..................................................................... 25 2.4.4 Génération d'image ................................................ Erreur ! Signet non défini. 2.4.5 Coloration de l'image ................................................................................... 26 2.5 Le fonctionnement des auto-encodeurs .......................................... 26 2.5.1 L’architecture d’un auto-encodeur ............................................................. 27 2.5.2 Les avantages d’auto-encodeurs pour la réduction des dimensions ........ 27 2.6 Conclusion ......................................................................................... 28 3.1 Introduction ...................................................................................... 29 3.2 Base de données (Data set) utilisée ................................................. 29 3.3 Architecture de segmentation ......................................................... 33 3.3.1 Couche convolutive ....................................................................................... 34 3.3.2 Stride .............................................................................................................. 34 3.3.3 Pading ............................................................................................................ 35 3.3.4 Pooling ........................................................................................................... 35 3.3.5 Fonction d'activation : Softmax .................................................................. 37 3.3.6 DenseNet ........................................................................................................ 38 3.4 Tests ................................................................................................... 38 3.6 Conclusion ......................................................................................... 40 4.1 Introduction ...................................................................................... 41 4.2 Environnements et développement d'outils ................................... 41 4.3 Segmentation ..................................................................................... 42 4.4 Résultats de test ................................................................................ 45 4.5 Résultats d’occultation ..................................................................... 47 4.6 Résultat de Test forme courbe ........................................................ 48 4.6.1 Discussion des résultats : .............................................................................. 48 4.4-Conclusion ......................................................................................... 49 |
| Type de document : | Mémoire master |
Disponibilité (1)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| MINF/637 | Mémoire master | bibliothèque sciences exactes | Consultable |
