Le vendredi 28 octobre 2022 à 9h30 dans la salle 301, Robin Condat, post-doctorant dans l’équipe PR, présentera ses travaux de recherche.
Afin de garantir une perception optimale pour le véhicule autonome, l'analyse de scènes routières a largement été explorée durant ces dernières années dans le domaine de l'ADAS. Plus récemment, l'apprentissage profond via des réseaux de neurones a permis de passer un gap significatif en terme de performances. Cependant, la robustesse des réseaux de neurones multimodaux est peu étudiée dans la littérature, alors que ces derniers sont rarement robustes au dysfonctionnement de capteur, ce qui n'est pas envisageable pour un véhicule autonome en conditions réelles. Dans cette thèse, nous proposons différentes solutions pour l'amélioration de la robustesse des systèmes de perception fondés sur des réseaux de neurones profonds multimodaux. Nous introduisons plusieurs solutions multimodales utilisant diverses méthodologies de fusion, ainsi que des techniques d'apprentissage permettant d'améliorer significativement leur robustesse lorsque des données d'entrée sont partiellement endommagées.
—
