Matrice de filtres colorésvignette|La disposition de Bayer des filtres de couleur sur la matrice de pixels d'un capteur d'image En photographie, une matrice de filtres colorés est une mosaïque de filtres colorés placée sur les photosites d'un capteur photographique qui permet la séparation des couleurs. Cette dernière étape est indispensable lors de la captation en vue de la reproduction des couleurs. En effet, l'Homme étant un animal trichromate, il est nécessaire de recueillir au minimum trois lumières colorées différentes judicieusement choisies.
DématriçageLe dématriçage (aussi connu sous le néologisme débayerisator, ou démosaïsage) est une des phases du traitement du signal brut issu du capteur d'un appareil photographique numérique. Il consiste à interpoler les données de chacun des photosites monochromes rouge, vert et bleu composant le capteur électronique pour obtenir une valeur trichrome pour chaque pixel. La mosaïque de Bayer, comportant une moitié de capteurs à filtre vert disposés en quinconce, séparés par des capteurs à filtre alternativement rouge et bleu, est la disposition la plus courante pour les capteurs couleur.
Super-résolutionEn traitement du signal et en , la super-résolution désigne le processus qui consiste à améliorer la résolution spatiale, c'est-à-dire le niveau de détail, d'une image ou d'un système d'acquisition. Cela regroupe des méthodes matérielles qui visent à contourner les problèmes optiques et autres difficultés physiques rencontrées lors de l'acquisition d'image, ainsi que des techniques algorithmiques qui, à partir d'une ou de plusieurs images déjà capturées, créent une image de meilleure résolution.
Bayer filterA Bayer filter mosaic is a color filter array (CFA) for arranging RGB color filters on a square grid of photosensors. Its particular arrangement of color filters is used in most single-chip digital s used in digital cameras, camcorders, and scanners to create a color image. The filter pattern is half green, one quarter red and one quarter blue, hence is also called BGGR, RGBG, GRBG, or RGGB. It is named after its inventor, Bryce Bayer of Eastman Kodak. Bayer is also known for his recursively defined matrix used in ordered dithering.
Apprentissage profondL'apprentissage profond ou apprentissage en profondeur (en anglais : deep learning, deep structured learning, hierarchical learning) est un sous-domaine de l’intelligence artificielle qui utilise des réseaux neuronaux pour résoudre des tâches complexes grâce à des architectures articulées de différentes transformations non linéaires. Ces techniques ont permis des progrès importants et rapides dans les domaines de l'analyse du signal sonore ou visuel et notamment de la reconnaissance faciale, de la reconnaissance vocale, de la vision par ordinateur, du traitement automatisé du langage.
Appareil photographique numériqueUn appareil photographique numérique (ou APN) est un appareil photographique qui recueille la lumière sur un capteur photographique électronique, plutôt que sur une pellicule photographique, et qui convertit l'information reçue par ce support pour la coder numériquement. Un appareil photo numérique utilise un capteur CCD ou CMOS pour acquérir les images, et les enregistre habituellement sur des cartes mémoire (CompactFlash, SmartMedia, Memory Stick, Secure Digital, etc.).
Réseau neuronal résidueldroite|vignette| Forme canonique d'un réseau neuronal résiduel. Une couche l − 1 est ignoré sur l'activation de l − 2. Un réseau neuronal résiduel ( ResNet ) est un réseau neuronal artificiel (ANN). Il s'agit d'une variante du HighwayNet , le premier réseau neuronal à action directe très profond avec des centaines de couches, beaucoup plus profond que les réseaux neuronaux précédents. Les sauts de connexion ou "raccourcis" sont utilisés pour passer par-dessus certaines couches ( les HighwayNets peuvent également avoir des poids pour les saut eux-mêmes, grâce à une matrice de poids supplémentaire pour leurs portes).
Image resolutionImage resolution is the level of detail an holds. The term applies to digital images, film images, and other types of images. "Higher resolution" means more image detail. Image resolution can be measured in various ways. Resolution quantifies how close lines can be to each other and still be visibly resolved. Resolution units can be tied to physical sizes (e.g. lines per mm, lines per inch), to the overall size of a picture (lines per picture height, also known simply as lines, TV lines, or TVL), or to angular subtense.
RAW (format d'image)thumb|Fonctionnement de la matrice de Bayer. Raw est la désignation générique d'un type de fichier d' issues d’appareils photo numériques ou de scanners. Un fichier Raw contient les données brutes du capteur et les paramètres nécessaires à la transformation en fichier image visible sur écran. Le fichier est plus volumineux que celui au format JPEG, servant le plus souvent à la communication des images, mais il n'a pas subi de transformations irréversibles, ce qui permet de retravailler sans dommage.
Photographie numériqueLa photographie numérique recouvre l'ensemble des techniques permettant l'obtention d'une photographie via l'utilisation d'un capteur électronique comme surface photosensible, ainsi que les techniques de traitement et de diffusion qui en découlent. On l'oppose à la photographie argentique. Appareil photographique numérique Les systèmes optiques (objectif, viseur optique, chambre reflex), de ces appareils sont voisins des solutions argentiques.
Microscopie à super-résolutionLa microscopie à super-résolution est un ensemble de techniques permettant d'imager en microscopie optique des objets à une résolution à l’échelle nanométrique. Elle se démarque par le fait que la résolution obtenue n'est plus limitée par le phénomène de diffraction. Du fait de la diffraction de la lumière, la résolution d’un microscope optique conventionnel est en principe limitée, indépendamment du capteur utilisé et des aberrations ou imperfections des lentilles.
Highway networkIn machine learning, the Highway Network was the first working very deep feedforward neural network with hundreds of layers, much deeper than previous artificial neural networks. It uses skip connections modulated by learned gating mechanisms to regulate information flow, inspired by Long Short-Term Memory (LSTM) recurrent neural networks. The advantage of a Highway Network over the common deep neural networks is that it solves or partially prevents the vanishing gradient problem, thus leading to easier to optimize neural networks.
Réseau neuronal convolutifEn apprentissage automatique, un réseau de neurones convolutifs ou réseau de neurones à convolution (en anglais CNN ou ConvNet pour convolutional neural networks) est un type de réseau de neurones artificiels acycliques (feed-forward), dans lequel le motif de connexion entre les neurones est inspiré par le cortex visuel des animaux. Les neurones de cette région du cerveau sont arrangés de sorte qu'ils correspondent à des régions qui se chevauchent lors du pavage du champ visuel.
Pixelthumb|upright=1.4|Image numérique dont une portion est très agrandie. Les pixels apparaissent ici comme des petits carrés. Le pixel, souvent abrégé p ou px, est l'unité de base de la définition d'une matricielle. Ce mot provient de la locution anglaise picture element, qui signifie « élément d'image ». Le pixel est l'unité minimale adressable par le contrôleur vidéo. C'est aussi l'unité utilisée pour spécifier les définitions d'affichage (largeur × hauteur).
Réseau de neurones artificielsUn réseau de neurones artificiels, ou réseau neuronal artificiel, est un système dont la conception est à l'origine schématiquement inspirée du fonctionnement des neurones biologiques, et qui par la suite s'est rapproché des méthodes statistiques. Les réseaux de neurones sont généralement optimisés par des méthodes d'apprentissage de type probabiliste, en particulier bayésien.
Capteur photographiqueUn capteur photographique est un composant électronique photosensible servant à convertir un rayonnement électromagnétique (UV, visible ou IR) en un signal électrique analogique. Ce signal est ensuite amplifié, puis numérisé par un convertisseur analogique-numérique et enfin traité pour obtenir une . Le capteur est donc le composant de base des appareils photo et des caméras numériques, l'équivalent du film (ou pellicule) en photographie argentique.
Processeur d'imagesLe processeur d'images est un composant important d'un appareil photographique numérique qui joue un rôle essentiel dans la création de l'. Le processeur d'images doit réaliser plusieurs tâches complexes. Les photodiodes présentes dans un capteur photographique sont monochromes par nature : elles peuvent seulement enregistrer différents niveaux de gris. Pour obtenir une image en couleurs, elles sont recouvertes par trois filtres colorés : rouge, vert et bleu (RGB) selon un arrangement appelé filtre de Bayer - d'après le nom de son inventeur.
SuperlentilleUne superlentille est une lentille optique élaborée avec des métamatériaux et permettant de distinguer des détails jusqu'à vingt fois inférieurs à la longueur d'onde d'utilisation. Une lentille classique est dite « limitée par la diffraction », c'est-à-dire que l'image la plus petite que l'on pourra obtenir sera toujours une tache d'Airy et donc possède un diamètre dépendant du diamètre de la lentille et de la longueur d'onde d'utilisation, limitant l'utilisation de lentilles classiques en verre optique à l'observation d'objet de quelques centaines de nanomètres.
Vanishing gradient problemIn machine learning, the vanishing gradient problem is encountered when training artificial neural networks with gradient-based learning methods and backpropagation. In such methods, during each iteration of training each of the neural networks weights receives an update proportional to the partial derivative of the error function with respect to the current weight. The problem is that in some cases, the gradient will be vanishingly small, effectively preventing the weight from changing its value.
Pouvoir de résolutionLe pouvoir de résolution, ou pouvoir de séparation, pouvoir séparateur, résolution spatiale, résolution angulaire, exprime la capacité d'un système optique de mesure ou d'observation – les microscopes, les télescopes ou l'œil, mais aussi certains détecteurs, particulièrement ceux utilisés en – à distinguer les détails. Il peut être caractérisé par l'angle ou la distance minimal(e) qui doit séparer deux points contigus pour qu'ils soient correctement discernés.
