Laboratoire de vision par ordinateur

Laboratoire

Le Laboratoire de vision informatique (CVLab) de l'EPFL se concentre sur l'émulation de la capacité du cerveau humain à interpréter des images et à extraire des informations sur le monde environnant. Les domaines de recherche comprennent les descripteurs d'images, la détection de points clés, la modélisation de surface déformable, le suivi et la modélisation des personnes, la fonctionnalité cérébrale, l'apprentissage automatique pour l'imagerie biomédicale, les véhicules aériens sans pilote, le suivi d'objets 3D, l'adaptation du domaine, la simulation de vêtements, le comptage de foules et la production de données synthétiques. Le laboratoire participe activement au développement de solutions d'apprentissage profond pour diverses applications, telles que la reconstruction 3D, le suivi des mouvements humains, l'analyse de la structure cérébrale et la détection d'objets. De plus, CVLab collabore avec des partenaires de l'industrie pour transférer la technologie et offre un enseignement aux étudiants de premier cycle et de deuxième cycle.

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Personnes associées (190)

Unités effectuant des recherches similaires (19)

Domaines de recheche associés (82)

Publications associées (707)

Luminosité

En astronomie, la luminosité est la quantité totale d'énergie émise par unité de temps (le flux énergétique), par une étoile, une galaxie, ou n'importe quel autre objet céleste. Elle s'exprime en pratique en luminosité solaire ( = ). Le flux lumineux, qui mesure plus particulièrement l'émission en lumière visible, peut également s'exprimer sur une échelle logarithmique par la magnitude absolue. En astronomie, elle représente la quantité totale d'énergie rayonnée (dans le domaine de l'électromagnétisme) par unité de temps par un astre.

Apprentissage profond

L'apprentissage profond ou apprentissage en profondeur (en anglais : deep learning, deep structured learning, hierarchical learning) est un sous-domaine de l’intelligence artificielle qui utilise des réseaux neuronaux pour résoudre des tâches complexes grâce à des architectures articulées de différentes transformations non linéaires. Ces techniques ont permis des progrès importants et rapides dans les domaines de l'analyse du signal sonore ou visuel et notamment de la reconnaissance faciale, de la reconnaissance vocale, de la vision par ordinateur, du traitement automatisé du langage.

LHCb

LHCb (Large Hadron Collider beauty experiment : Expérience du LHC sur le quark beauté) est une expérience de physique des particules utilisant les collisions de protons produites au collisionneur LHC du CERN (Genève). Ce détecteur est spécialisé dans la physique des saveurs et la recherche de nouvelle physique par des méthodes indirectes comme la mesure de violation de la symétrie CP ou de taux d'embranchement de décroissances rares. Le détecteur LHCb se trouve sur la commune de Ferney-Voltaire en France au point 8 du LHC, à quelques mètres de la frontière suisse.

Impulsive noise removal via a blind CNN enhanced by an iterative post-processing

Seyedeh Sahar Sadrizadeh, Hatef Otroshi Shahreza

In digital imaging, especially in the process of data acquisition and transmission, images are often affected by impulsive noise. Therefore, it is essential to remove impulsive noise from images befor

ELSEVIER2022

Mechanical intelligence for learning embodied sensor-object relationships

Ahalya Prabhakar

Intelligence involves processing sensory experiences into representations useful for prediction. Understanding sensory experiences and building these contextual representations without prior knowledge

NATURE PORTFOLIO2022

Understanding Deep Neural Networks using Adversarial Attacks

Krishna Kanth Nakka

Deep Neural Networks (DNNs) have achieved great success in a wide range of applications, such as image recognition, object detection, and semantic segmentation. Even thoughthe discriminative power of

EPFL2022