Segmentation Sémantique d’Images pour la Conduite Autonome basée sur la Distillation de Connaissance Auto-Attentive - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Segmentation Sémantique d’Images pour la Conduite Autonome basée sur la Distillation de Connaissance Auto-Attentive

Ayoub Karine
Thibault Napoléon
Maher Jridi

Résumé

Dans cet article, nous utilisons la distillation de connaissances pour réduire la complexité de calcul des réseaux de neurones et ainsi permettre leur intégration dans des systèmes portables comme les voitures autonomes. Une nouvelle méthode est proposée pour entraîner un réseau de neurones de petite taille (l’étudiant) sous la supervision d’un réseau plus grand (l’enseignant) pour la segmentation sémantique de scènes. La principale nouveauté réside dans le transfert des connaissances de l’enseignant à l’étudiant à travers un module auto-attentif extrait des cartes de caractéristiques. Ce module capture l’association sémantique présente entre les différents canaux des cartes de caractéristiques, qui est une connaissance importante pour l’entraînement de l’étudiant. Les expérimentations sur la base de données Cityscapes démontrent l’efficacité de la méthode proposée.
Fichier non déposé

Dates et versions

hal-04087206 , version 1 (03-05-2023)

Identifiants

  • HAL Id : hal-04087206 , version 1

Citer

Ayoub Karine, Thibault Napoléon, Maher Jridi. Segmentation Sémantique d’Images pour la Conduite Autonome basée sur la Distillation de Connaissance Auto-Attentive. ORASIS 2023, May 2023, Carqueiranne, France. ⟨hal-04087206⟩
40 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More