Exploration d'architectures de réseaux de neurones pour la segmentation sémantique d'images aériennes - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Exploration d'architectures de réseaux de neurones pour la segmentation sémantique d'images aériennes

Résumé

La segmentation sémantique d'images aériennes nécessite une extraction complexe d'informations contextuelles. Des Réseaux de Neurones (RdN) convolutifs spécialisés performants se développent pour répondre à ce besoin, mais dans un contexte embarqué, leur structure trop lourde est inadaptée pour une exécution sur cible contrainte en latence ou en consommation d'énergie. Nous proposons donc d'utiliser des méthodes de recherche automatique d'architectures neuronales (NAS) capable de prendre en compte ces contraintes embarquées. Nous démontrons que leur utilisation est possible et peut conduire à d'excellentes performances malgré une complexité réduite. Par exemple, comparé à DC-Swin, la méthode FastNAS atteint une mIoU similaire à 0,838 (-3%) pour une complexité calculatoire réduite de 88% (4,6 GMAC, Multiplication-Accumulations) pour le jeu de données Potsdam.
Fichier principal
Vignette du fichier
archet1158_v2.pdf (1.15 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04148565 , version 1 (03-07-2023)

Identifiants

  • HAL Id : hal-04148565 , version 1

Citer

Agathe Archet, François Orieux, Nicolas Ventroux, Nicolas Gac. Exploration d'architectures de réseaux de neurones pour la segmentation sémantique d'images aériennes. GRETSI 2023 - XXIXème Colloque Francophone de Traitement du Signal et des Images, Aug 2023, Grenoble, France. ⟨hal-04148565⟩
28 Consultations
49 Téléchargements

Partager

Gmail Facebook X LinkedIn More