Classification automatique des défauts de bois de structure.

该项目旨在评估木材的质量，例如一个科学的木盆，一个在科学中的操作评论 木材结构的商业化。一般来说，1至4年级的树木是一个年级， qualité suprieur et 4 est un grade inférieur.等级可以测量17的数量和安全性 在北美森林中观察到的不平等现象。为了这个目的， 在Jodoin教授的实验室里对变形进行了勘察。塞斯莫代莱 sont différents réseaux à convolution profonds. Un modèle de base sera d'abord optimisé suivant 27 jeux 超参数。与此同时，卷积的其他网络也没有“级联”网络， Jodoin教授及其儿子的“两种方法”和“多重解决办法”的解决办法 法国式。这些模式的最佳选择是通过一套最优化的“自举”方法来实现的 以及AdaGrad和AdaDelta等不同的优化模式。De son côté，Autolog mettra en place une 17个分类器缺陷的100万幅图像注释说明 提供木材精华。

Ce projet a pour but d'évaluer la qualité du bois d'oeuvre sortant d'un moulin à scie, une opération critique dans la commercialisation de bois de structure. En général, les grades de bois varient de 1 à 4 où 1 est un grade de qualité supérieur et 4 est un grade inférieur. La gradation se fait en mesurant la quantité et la sévérité de 17 défauts fréquemment observés dans le bois nord-américain. Pour ce faire, nous adapterons et validerons des modèles de reconnaissance de formes récemment développés dans le laboratoire de Pr. Jodoin. Ces modèles sont différents réseaux à convolution profonds. Un modèle de base sera d'abord optimisé suivant 27 jeux d'hyper paramètres. Par la suite, d'autres réseaux à convolution seront développés dont un réseau en "cascade", un modèle à "deux chemins" et un modèle "multi-résolution" récemment développés par Pr.Jodoin et son équipe. Le meilleur de ces modèles sera par la suite optimisé à l'aide d'une méthode de type « bootstrapping » et différents modèles d'optimisation comme AdaGrad et AdaDelta. De son côté, Autolog mettra en place une banque de données regroupant près d'un demi-million d'images annotées illustrant les 17 défauts à classifier provenant de plusieurs essences de bois.