Description du projet
Une méthode optimisée pour éliminer la brume des images
En cas de mauvaises conditions météorologiques, comme en présence de brume, la qualité des images se dégrade fortement en raison de la présence dans l’air de particules en suspension qui diffusent la lumière. Les objets sont par conséquent difficiles à identifier, que ce soit par la vision humaine ou par les systèmes de vision par ordinateur. Les techniques actuelles d’élimination des effets de diffusion atmosphérique (débrumage) sont peu performantes pour les scènes de brume dense et homogène. Le projet NH-DEHAZE, financé par l’UE, développera des techniques de débrumage qui ne supposent pas une distribution homogène de la lumière et de la brume. Il établira le premier ensemble de données d’images comprenant des paires de scènes réelles, tant brumeuses que nettes. Des réseaux neuronaux profonds seront ensuite formés pour dériver des images claires à partir des images floues.
Objectif
In presence of haze, small floating particles absorb and scatter the light from its propagation direction. This results in selective and significant attenuation of the light spectrum, and causes hazy scenes to be subject to a loss of contrast and sharpness for distant objects. Besides, most computer vision and image processing algorithms (e.g. from feature extraction to objects/scene detection and recognition) usually assume that the input image is the scene radiance (haze-free image), and therefore strongly suffer from the color-shift, and low-contrast induced by hazy conditions. For instance, in normal visibility conditions the Traffic Sign Detection and Recognition (TSDR) module of the existing ADAS systems reaches a detection rate averaging around 90%, but drops below 40% in case of haze or poor illumination conditions1. Therefore, many recent works have explored inverse problem formulations and have designed dedicated image enhancement methods to address the dehazing problem. However, to estimate their key internal parameters (e.g. airlight in Koschmieders light transmission model), most of those solutions assume homogeneous distribution of light and haze, which is rarely the case in practice (e.g. lighting is non-uniform in space and frequency during the night, attenuation caused by haze depends on the light frequency).
Image dehazing thus remains a largely unsolved problem in case of dense and non-homogeneous haze scenes.
As a federating objective, our project aims at implementing dehazing methods that are suited to dense and non-homogeneous hazy scenes. This implies the following tasks:
(O1) build up the first (world-wide) image dataset including pairs of hazy and haze-free scenes, for which hazy scenes include real, dense, and non-homogeneous haze;
(O2) develop and train deep dehazing neural networks to derive the dehazed images from hazy inputs.
(O3) train deep image interpretation models that are suited to images captured in adverse conditions.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
- sciences naturelles informatique et science de l'information intelligence artificielle vision par ordinateur reconnaissance d’images
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Nous sommes désolés... Une erreur inattendue s’est produite.
Vous devez être authentifié. Votre session a peut-être expiré.
Merci pour votre retour d'information. Vous recevrez bientôt un courriel confirmant la soumission. Si vous avez choisi d'être informé de l'état de la déclaration, vous serez également contacté lorsque celui-ci évoluera.
Mots‑clés
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Programme(s)
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
-
H2020-EU.1.3. - EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions
PROGRAMME PRINCIPAL
Voir tous les projets financés dans le cadre de ce programme -
H2020-EU.1.3.2. - Nurturing excellence by means of cross-border and cross-sector mobility
Voir tous les projets financés dans le cadre de ce programme
Thème(s)
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Régime de financement
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)
Voir tous les projets financés dans le cadre de ce programme de financement
Appel à propositions
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
(s’ouvre dans une nouvelle fenêtre) H2020-MSCA-IF-2019
Voir tous les projets financés au titre de cet appelCoordinateur
La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.
1348 LOUVAIN LA NEUVE
Belgique
Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.