Apprentissage d'opérations morphologiques en niveaux de gris avec des couches morphologiques lisses

L'intégration des opérations de morphologie mathématique dans des architectures de réseaux de neurones convolutifs a reçu de plus en plus d'attention ces derniers temps. Cependant, le remplacement des couches de convolution par des couches morphologiques réalisant des érosions ou des dilatations nécessite certaines précautions car les opérations min et max ne sont pas différentiables. Les couches de p-convolution ont été proposées comme une potentielle solution à ce problème car elles agissent comme des approximations différentiables des opérations min et max, permettant d'effectuer des opérations de pseudo-dilatation ou de pseudo-érosion.
Récemment, nous avons proposé deux nouvelles couches morphologiques (appelées LMorph et SMorph) basées sur le même principe que la p-convolution, mais permettant de contourner ses principaux inconvénients. Ces couches ont pu apprendre efficacement les opérations morphologiques de base (érosion/dilatation et ouverture/fermeture) dans un contexte en niveaux de gris, et les éléments structurants correspondants. Ce séminaire présentera ces derniers résultats.

Guillaume Tochon, enseignant chercheur au LRE, à l'EPITA (Paris)