Reprise du projet Fresque. Ce projet consiste à applicquer de l'apprentissage sur l'algorithme DeepMatching afin d'ameliorer les performances de reconstruction des freques à parti de fragments.
## Étapes possibles:
- [ ] Ajouter des couches pour créer des descripteurs plus complexes.
- [ ] Etudier en parallèle les erreurs d'apprentissage et de test
- [ ] Appliquer des defauts sur les données d'entrée (shift linéaire des couleurs) pour forcer le réseau à considerer des gradients.
- [ ] Ajouter des rotations (faibles car DM le fait déjà).
- [ ] S'assurer que la carte de correlation est assez précise/creusée.
- [ ] Réduire l'espace de recherche dans un premier temps (ne pas chercher dans toute la fresque mais aider un peu le réseau).
- [ ] Verifier la couche de MaxPooling et comment DM retrouve la position à la fin avec le backtracking.
- [ ] Ajouter de la régularisation (surtout si il y a sur-apprentissage).
- [ ] Verifier le sur-apprentissage en entrainant et testant sur des fresques différentes.
Ce programme.ipynb peut être exécuté avec jupyter-notebook.
1.Ctrl+Alt+T Ouvrir le terminal
2.Input "jupyter-notebook" peut ouvrir une interface
3.Cliquez sur le programme pour l'ouvrir.
Il est recommandé d 'utiliser le programme jupyter-Notebook, qui non seulement fonctionne par blocs, mais aussi est configuré pour tous les environnements.
