L'apprentissage profond pour le réassemblage d'images patrimoniales - Archive ouverte HAL
Communication Dans Un Congrès Année : 2019

L'apprentissage profond pour le réassemblage d'images patrimoniales

Résumé

Dans cet article, nous présentons Deepzzle, une méthode de résolution de puzzles reposant sur l'apprentissage automatique, adaptée au réassemblage d'objets patrimoniaux. En effet, ceux-ci subissent des contraintes particulières : érosion, fragments manquants, morceaux mélangés entre objets, etc. Deepzzle apporte une solution à ces problèmes. Abstract-In this paper, we present Deepzzle, a puzzle-solving method based on deep learning. Deepzzle is able to handle efficiently cultural heritage constraints: heritage collections suffer from erosion, missing fragments and mixed puzzles.
Fichier principal
Vignette du fichier
gretsi19_camera_ready.pdf (1.75 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-02466564 , version 1 (04-02-2020)

Identifiants

  • HAL Id : hal-02466564 , version 1

Citer

Marie-Morgane Paumard, David Picard, Hedi Tabia. L'apprentissage profond pour le réassemblage d'images patrimoniales. GRETSI 2019, Aug 2019, Lille, France. ⟨hal-02466564⟩
180 Consultations
106 Téléchargements

Partager

More