Segmentation Sémantique Hiérarchique (IRIT / Equipe Reva)

Recherche en lien avec la Segmentation Sémantique Hiérarchique par Apprentissage Profond

Notre objectif est d’améliorer la qualité de la segmentation d’objets en s’appuyant sur les relations hiérarchiques issues de la représentation des connaissances.
Nous proposons d’exploiter les relations de généralisation / spécialisation et de composition / décomposition d’objets composites en composantes. Nous faisons l’hypothèse que les sémantiques associées aux différentes parties d’un objet peuvent être combinées pour reconnaître un objet dans sa globalité et que la connaissance d’un objet dans sa globalité facilite l’identification des composantes.
Par notre travail bibliographique, nous avons identifié des fonctions de pertes spécifiques aux différentes relations.. Nous souhaitons comparer différentes architectures d’apprentissage profond avec ces fonctions de pertes sur de larges bases de données pour valider nos propositions.