Latent_space_GP_Selector_Minimum
Ce projet implémente une méthode de préhension d'objets basée sur l'espace latent, utilisant un autoencodeur variationnel pour réduire la dimensionnalité des images et un classifieur GP pour prédire les préférences de préhension. Les candidats de préhension sont encodés en patchs d'images pour être traités par des réseaux de neurones convolutifs.
Dépôt de code
Cas d'utilisation métiers
- Réduction de dimensionnalité d'images avec autoencodeur variationnel : rechercher des initiatives proches
- Apprentissage de préférences de préhension d'objets : rechercher des initiatives proches
- Génération de candidats de préhension à partir d'images : rechercher des initiatives proches
- Classification de préférences de préhension avec GP : rechercher des initiatives proches
Cas d'utilisation fonctionnel
Organisation
- Institut national de recherche en informatique et en automatique (organisation rattachée)
Outils utilisés
- scikit-image : voir les initiatives de ses organisations qui l'ont aussi
- NumPy : voir les initiatives de ses organisations qui l'ont aussi
- TensorFlow : voir les initiatives de ses organisations qui l'ont aussi
- scikit-learn : voir les initiatives de ses organisations qui l'ont aussi
- OpenCV : voir les initiatives de ses organisations qui l'ont aussi
- Torch : voir les initiatives de ses organisations qui l'ont aussi
- Matplotlib : voir les initiatives de ses organisations qui l'ont aussi
- Pillow : voir les initiatives de ses organisations qui l'ont aussi
Description générée le mardi 19 mars 2024 à 00:01:21