talk about “deep learning for scene perception and understanding” for ONERA’s scientific high council.

Abstract (in French)

Modèles d’apprentissage profond pour la compréhension de scènes 2D/3D

Les modèles d’apprentissage profond ont transformé la manière dont les machines perçoivent, analysent et comprennent notre environnement. Le changement est palpable tant dans la manière d’aborder le problème que dans la qualité des résultats obtenus, qui permet aujourdhui des applications industrielles et grand public. Après un bref rappel des conditions et des avancées qui ont permis cette évolution, nous présenterons plusieurs approches à base de réseaux de neurones développées à l’ONERA. Dans le domaine de l’observation de la Terre, nous verrons comment il est maintenant possible de cartographier automatiquement la Terre vue du ciel, d’identifier véhicules et bâtiments, ou de détecter les changements pour suivre l’évolution urbaine.
Dans le domaine de la robotique et de la vision par ordinateur, nous montrerons différentes méthodes pour comprendre ce que contient une scène observée en 2D (par une caméra) ou en 3D (par laser), et même estimer l’information 3D à partir d’une seule image 2D. Dans chaque cas, les problèmes soulevés par des données différentes amènent à proposer des solutions algorithmiques originales et définir des architectures de réseaux de neurones que noous expliciterons. Enfin, nous concluerons en présentant les défis à relever aujourd’hui.