Learned Image Compression for Machine Visual Perception

Dans cette thèse, nous explorons la compression d'image avec des techniques d'apprentissage profond. Nous proposons une méthode simple pour apprendre une représentation compress- ible d'image naturelle qui est structurée de façon à faciliter les tâches de vison par ordina- teur que sont la classification, la détection, la segmentation sémantique et la reconstruction d'image. Nous testons l'utilisation d'un espace de représentations compressible comme seule donnée disponible pour accomplir ces différentes tâches. Nous procédons aux mêmes ex- périences à plusieurs taux de compression pour constater l'effet de la compressibilité sur la performance dans les différentes tâches.Nous désirons obtenir des performances de compression supérieures au codec de compression d'image JPEG tout en obtenant des performances supérieures ou égales dans les différentes tâches quand la représentation compressible est utilisée comme seule source d'information pour les différentes tâches.