@InProceedings{2015_lesaux90,
	author = "Thierry Dumas and Pauline Trouvé-peloux and Bertrand Le saux",
	title = "Réseaux de neurones profonds pour estimer la profondeur grâce au flou de défocalisation",
	booktitle = "25° Colloque sur le traitement du signal et des images",
	year = "2015",
	publisher = "GRETSI - Groupe de Recherche en Traitement du Signal et des Images",
	number = "001-00267",
	pages = "p. 1069-1072",
	month = "Sep # 8--11",
	address = "Lyon",
	doi = "",
	pdf = "2015_lesaux90.pdf",
	abstract = "Nous proposons un nouveau concept de caméra 3D monovoie passive reposant sur l'association d'une optique non conventionnelle optimisée pour renforcer l'estimation de la profondeur à l'aide du flou de défocalisation (DFD pour Depth from defocus) avec un algorithme d'estimation de ce flou reposant sur un apprentissage par réseau de neurones. En particulier, pour éviter l'ambiguïté sur la profondeur et les zones aveugles du DFD classique l'optique possède du chromatisme, ce qui induit un flou de défocalisation variable suivant les canaux rouge (R),
 vert (G) et bleu (B) de l'image couleur. L'approche par apprentissage par réseau de neurones profond apprend directement la fonction entre le flou et la profondeur, ce qui permet d'éviter une calibration du flou de la caméra pour chaque profondeur. Nous validons notre approche avec des exemples de cartes de profondeur obtenues avec notre algorithme sur des scènes extérieures..pdf",
}