Nicola Luminari -- Responsable équipe Data Science et Computer Vision, chez DELAIR.
Twitter handle: @Appanacca
Sujet de votre conférence
DEEP LEARNING ON 3D DATA
Description de votre conférence
Les cameras et la data basées sur l'image ont forcés le développement de réseaux de neurones conventionnels pour résoudre des tâches de vision par ordinateur (détection d'objet etc..).
Cependant, aujourd’hui diverses applications comme le mappage par drone et la conduite automatique, utilisent des capteurs différents (comme le LIDAR) qui permettent de produire une représentation 3D de la scène autour du capteur (maillages et/ou nuages de points).
Cette nouvelle typologie de données 3D ne peut pas être traité naïvement avec des réseaux CNN “modernes” à cause de problématique diverses et variés.
De ce fait, de nouvelles CNN spécialisées pour la 3D viennent d'être proposées en littérature.
Durant ce talk nous allons voir pourquoi l'opérateur de convolution classique ne peut pas être utilisé directement sur des nuages de points.
Puis, nous allons faire le tour des solutions proposées par la communauté deep learning sur ce sujet.
Informations diverses
Thématique, Labels : 3D data, segmentation sémantique, deep learning, point cloud
Niveau de difficulté (débutant|avancé|confirmé) : Avancé
Durée (quickie 15-30min, conférence >1h) : 45 min (1h max)
Format (slides, live-coding, les deux): slides et potentiellement démo
Dispo ou indispo (après mars, dès que possible, pas entre X et Y): dès que possible (pas entre le 16 Décembre et 2 Janvier)
Le speaker
Nicola Luminari -- Responsable équipe Data Science et Computer Vision, chez DELAIR.
Sujet de votre conférence
DEEP LEARNING ON 3D DATA
Description de votre conférence
Les cameras et la data basées sur l'image ont forcés le développement de réseaux de neurones conventionnels pour résoudre des tâches de vision par ordinateur (détection d'objet etc..). Cependant, aujourd’hui diverses applications comme le mappage par drone et la conduite automatique, utilisent des capteurs différents (comme le LIDAR) qui permettent de produire une représentation 3D de la scène autour du capteur (maillages et/ou nuages de points).
Cette nouvelle typologie de données 3D ne peut pas être traité naïvement avec des réseaux CNN “modernes” à cause de problématique diverses et variés. De ce fait, de nouvelles CNN spécialisées pour la 3D viennent d'être proposées en littérature.
Durant ce talk nous allons voir pourquoi l'opérateur de convolution classique ne peut pas être utilisé directement sur des nuages de points. Puis, nous allons faire le tour des solutions proposées par la communauté deep learning sur ce sujet.
Informations diverses