Optimization and implementation of bio-inspired feature extraction frameworks for visual object recognition
Optimisation et implémentation de méthodes bio-inspirées d'extraction de caractéristiques pour la reconnaissance d'objets visuels
Résumé
Industry has growing needs for so-called \intelligent systems", capable of not only acquire
data, but also to analyse it and to make decisions accordingly. Such systems are
particularly useful for video-surveillance, in which case alarms must be raised in case of
an intrusion. For cost saving and power consumption reasons, it is better to perform that
process as close to the sensor as possible. To address that issue, a promising approach is
to use bio-inspired frameworks, which consist in applying computational biology models
to industrial applications. The work carried out during that thesis consisted in selecting
bio-inspired feature extraction frameworks, and to optimize them with the aim to
implement them on a dedicated hardware platform, for computer vision applications.
First, we propose a generic algorithm, which may be used in several use case scenarios,
having an acceptable complexity and a low memory print. Then, we proposed optimizations
for a more global framework, based on precision degradation in computations,
hence easing up its implementation on embedded systems. Results suggest that while
the framework we developed may not be as accurate as the state of the art, it is more
generic. Furthermore, the optimizations we proposed for the more complex framework
are fully compatible with other optimizations from the literature, and provide encouraging
perspective for future developments. Finally, both contributions have a scope that
goes beyond the sole frameworks that we studied, and may be used in other, more widely
used frameworks as well.
L'industrie a des besoins croissants en systèmes dits intelligents, capable d'analyser les
signaux acquis par des capteurs et prendre une décision en conséquence. Ces systèmes sont
particulièrment utiles pour des applications de vidéo-surveillance ou de contrôle de qualité.
Pour des questions de coût et de consommation d'énergie, il est souhaitable que la prise de
décision ait lieu au plus près du capteur. Pour répondre cette problématique, une approche
prometteuse est d'utiliser des méthodes dites bio-inspirées, qui consistent en l'application
de modèles computationels issus de la biologie ou des sciences cognitives des problèmes
industriels. Les travaux menés au cours de ce doctorat ont consisté à choisir des méthodes
d'extraction de caractéristiques bio-inspirées, et les optimiser dans le but de les implanter
sur des plateformes matrielles dédiées pour des applications en vision par ordinateur. Tout
d'abord, nous proposons un algorithme générique pouvant être utilisé dans différents cas
d'utilisation, ayant une complexité acceptable et une faible empreinte mémoire. Ensuite,
nous proposons des optimisations pour une méthode plus générale, basées essentiellement
sur une simplication du codage des données, ainsi qu'une implantation matérielle basées
sur ces optimisations. Ces deux contributions peuvent par ailleurs s'appliquer à bien
d'autres méthodes que celles étudiées dans ce document.