Description
Date depot: 10 juillet 2020
Titre: Irregular & Architecture
Directeur de thèse:
Lionel LACASSAGNE (LIP6)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Non defini
Resumé:
Le but de cette thèse est de concevoir, implémenter et optimiser des algorithmes irréguliers de type split & merge manipulant des structures de données de type union-find pour des applications de vision embarquées sur des plateformes de type CPU+GPU. L’objectif est de concevoir des algorithmes de perception dite “pré-attentive” fournissant rapidement une pré-segmentation de la scène. Cette segmenta- tion pourra être utilisée telle que, pour des systèmes low power (∼1 watt) ou pourra servir d’entrée pour simplifier la complexité d’algorithmes de classification plus robustes et bien plus complexes, afin d’obtenir des systèmes embarqués de vision temps réel ayant une consommation limitée à une dizaine de watts.
Doctorant.e: Millet Maxime