Le but de cette thèse est de développer des méthodes d'apprentissage profond à l'analyse d'œuvres d'art. Précisément, nous nous concentrons sur deux tâches particulières : la découverte d'objets et l'alignement fin dans une collection d'œuvres d'art. Les deux tâches sont extrêmement difficiles en vision par ordinateur, les principales difficultés incluent : i) aucune annotation n'est disponible pour les deux tâches ; ii) il existe des différences dans les supports artistiques (huile, pastel, dessin, etc.), et des imperfections inhérentes au processus de copie.La découverte d'objets vise à identifier des motifs visuels répétés dans une collection d'œuvres d'art. C'est une application importante pour les historiens de l'art, car les liens visuels construits via les détails répétés peuvent indiquer la paternité et la provenance. Outre l'analyse d'œuvres d'art, la tâche est également intéressante pour les applications sur des images naturelles, un exemple typique est qu'elle permet de collecter automatiquement des données d'entraînement.L'alignement fin prend une paire d'images comme entrées et prédit l'alignement au niveau des pixels. Notre objectif est de concevoir une approche d'alignement d'images générique, qui permet d'aligner des images avec des apparences, des points de vue et des styles différents, tels que deux cadres dans une vidéo, deux images Internet sur le même point de repère ou même deux peintures représentant le même contenu mais avec des styles différents. . Le flux précis est important pour les tâches 3D et conduit également à de nombreuses applications intéressantes sur les œuvres d'art, telles que l'alignement d'un groupe d'images et l'analyse du processus de copie, etc.La première contribution de cette thèse est que nous introduisons une approche auto-supervisée pour adapter une fonctionnalité profonde standard en l'affinant sur la collection d'art spécifique. Plus précisément, la cohérence spatiale entre les correspondances de caractéristiques voisines est utilisée comme supervision. La caractéristique adaptée conduit à une correspondance invariante de style plus précise, et nous proposons en outre un pipeline de découverte, basé sur la correspondance de caractéristiques multi-résolution et la vérification géométrique, pour identifier les modèles en double dans l'ensemble de données. Parallèlement à l'approche, nous proposons également un jeu de données Brueghel qui permet d'évaluer la détection des détails de l'art en un coup.La deuxième contribution est que nous montrons qu'il est possible d'apprendre la co-segmentation sur un jeu de données synthétique. Nous générons les paires d'apprentissage en mélangeant des objets dans une image d'arrière-plan de telle sorte que les masques de vérité terrain et les correspondances soient accessibles. Nous étudions empiriquement deux architectures : Sparse Nc-Net et une architecture à base de transformateurs, et montrons que l'utilisation du mélange de Poisson et du transfert de style est cruciale pour la généralisation. Le transformateur entraîné sur l'ensemble de données proposé obtient des résultats étonnamment bons sur diverses tâches, notamment la détection de détails d'art à un coup, la reconnaissance de lieux et la découverte d'objets.La dernière contribution est une méthode en deux étapes pour l'alignement générique d'images. Au stade grossier, nous estimons une transformation d'homographie entre les images avec des correspondances de caractéristiques et RANSAC ; Au stade fin, nous apprenons un petit réseau de neurones convolutifs (CNN) pour prédire un alignement fin en s'appuyant sur la perte SSIM. Pourtant simple, la méthode proposée montre de bonnes performances dans différentes tâches : flux optique, correspondances éparses, estimation de la géométrie à deux vues et reconstruction 3D, etc. Nous montrons également qu'il est possible d'aligner des motifs artistiques dupliqués et des images découvertes à partir d'une recherche sur Internet.