Les réseaux de neurones profonds permettent d’apprendre des caractéristiques complexes et robustes pouvant être calculées en temps réel. Cette présentation proposera une méthode pour apprendre ces informations dans le contexte du suivi d’un objet en six degrés de liberté. Nous allons voir comment concevoir une boucle de rétroaction dans le système, comment entraîner le réseau à partir du modèle 3D seulement, et finalement, détailler les optimisations apportées à l’architecture pour permettre le calcul en temps réel.

Le site internet suivant donne plus de détails concernant ce projet:
http://vision.gel.ulaval.ca/~jflalonde/projects/deepTracking/index.html