Ibrahim Kajo – Singular value decomposition in computer vision: applications in video surveillance and image enhancement.

La décomposition en valeurs singulières (SVD) est une technique de décomposition de matrices largement utilisée dans les applications de vision par ordinateur et d’apprentissage automatique. Traditionnellement, la SVD est fréquemment employée applications dans divers autres domaines, notamment la réduction de dimension, la compression d’image, le débruitage et le traitement du signal. Cependant, son potentiel pour l’extraction efficace de caractéristiques à partir d’images reste largement sous-exploité. De plus, les sous-espaces estimés par la SVD offrent des espaces d’apprentissage alternatifs aux espaces de couleur où les modèles peuvent apprendre des caractéristiques plus discriminantes et invariantes à la scène. Cette présentation vise à :

1. Présenter brièvement les cadres proposés où la SVD a été utilisée comme robuste algorithme de séparation de sources dans diverses tâches de vision par ordinateur, notamment dans la surveillance vidéo.

2. Présenter les travaux où la SVD est intégrée dans des modèles d’apprentissage profond pour améliorer leur capacité de génération et de généralisation.