用python写图像二值化,形态学处理,轮廓提取,抠图,抠出来的图为主体,对其更换背景在进行高斯模糊的代码(多主体)

时间: 2023-06-06 12:06:38 浏览: 60
好的,以下是使用Python对图像进行二值化、形态学处理、轮廓提取、抠图、更换背景和高斯模糊的代码: ``` import cv2 # 读入图像 image = cv2.imread('input_image.jpg') # 将图像转为灰度 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 进行二值化处理 ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 进行形态学处理,膨胀操作 kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3,3)) dilated = cv2.dilate(thresh, kernel, iterations=2) # 进行轮廓提取 contours, hierarchy = cv2.findContours(dilated, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) # 对每个轮廓进行抠图 for cnt in contours: x,y,w,h = cv2.boundingRect(cnt) roi = image[y:y+h, x:x+w] cv2.imwrite('roi.jpg', roi) # 更换背景 background = cv2.imread('background.jpg') background = cv2.resize(background, (w,h)) background_roi = background[y:y+h, x:x+w] # 将抠图与更换的背景合并 result = cv2.add(background_roi, roi) # 进行高斯模糊 blur = cv2.GaussianBlur(result, (15,15), 0) # 将合并后的图像复制到原图中 image[y:y+h, x:x+w] = blur # 保存结果 cv2.imwrite('result.jpg', image) ``` 这段代码可以将输入图像进行二值化、形态学处理、轮廓提取、抠图、更换背景和高斯模糊,最终输出处理后的图像。请注意,本段代码是示例代码,可能不足以处理所有情况,需要根据实际情况进行修改。

相关推荐

Python中的OpenCV库是一个广泛使用的计算机视觉库,提供了许多图像处理和分析的功能。其中包括轮廓提取和抠图的功能。 在OpenCV中,可以使用函数findContours()来提取图像中的轮廓。该函数接受一个二值化图像作为输入,并返回一个包含所有轮廓点的列表。具体步骤如下: 1. 将图像进行二值化处理,使得背景为黑色(像素值为0),感兴趣的对象为白色(像素值为255)。 2. 使用findContours()函数提取轮廓。该函数会修改输入图像,所以需要首先对输入图像进行备份。 3. findContours()函数返回两个值:轮廓点的列表和层级信息。我们只需要轮廓点的列表,可以使用索引0来获取。 4. 可以通过绘制轮廓来查看或显示轮廓,使用drawContours()函数可以实现该功能。 抠图是将感兴趣的对象从图像中分离出来形成一个新的图像。可以使用OpenCV中的函数bitwise_and()来实现抠图。具体步骤如下: 1. 选择一个感兴趣的对象,并使用函数findContours()提取其轮廓。 2. 创建一个与原图像尺寸相同的空白图像(全黑)作为抠图结果。 3. 使用函数drawContours()将感兴趣的对象轮廓绘制到空白图像上。 4. 使用bitwise_and()函数将原图像和抠图结果进行按位与操作,将背景部分变为黑色。可以使用反色操作将背景变为白色。 5. 得到的结果即为抠图后的图像。 总而言之,Python中的OpenCV库提供了丰富的图像处理功能,使用其提供的函数可以轻松实现图像的轮廓提取和抠图操作。
### 回答1: 抠图和更换背景是图像处理中的两个常见任务。Python中有许多图像处理库,可以帮助我们完成这些任务,其中最常用的是OpenCV和PIL。 抠图可以分为基于颜色和基于形状的方法。基于颜色的方法是通过选择颜色范围来分离前景和背景。基于形状的方法是通过选择前景和背景的边界来分离它们。 以下是使用OpenCV和PIL进行抠图和更换背景的简单示例: python import cv2 from PIL import Image # 抠图 def remove_background(img_path): img = cv2.imread(img_path) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) _, thresh = cv2.threshold(gray, 50, 255, cv2.THRESH_BINARY) contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) cnt = max(contours, key=cv2.contourArea) x, y, w, h = cv2.boundingRect(cnt) foreground = img[y:y+h, x:x+w] return foreground # 更换背景 def change_background(foreground_path, background_path, output_path): foreground = Image.open(foreground_path) background = Image.open(background_path).resize(foreground.size) background.paste(foreground, (0, 0), foreground) background.save(output_path) # 使用示例 foreground_path = 'path/to/foreground.png' background_path = 'path/to/background.png' output_path = 'path/to/output.png' foreground = remove_background(foreground_path) foreground.save('path/to/foreground.png') change_background('path/to/foreground.png', background_path, output_path) 在此示例中,我们使用OpenCV提取前景,并使用PIL将前景粘贴到背景上。要使用此代码,您需要安装OpenCV和Pillow(PIL)库。 ### 回答2: Python视频抠图更换背景是指使用Python编程语言对视频中的对象进行抠图,并将其替换为不同的背景。 首先,我们需要使用Python中的图像处理库(如OpenCV)来从视频中提取每一帧图像。然后,我们将使用图像分割算法(如GrabCut算法)来识别和分离图像中的前景和背景。 一旦我们成功地将图像中的前景与背景分开,我们可以使用图像处理技术(如图像融合)将对象从原始背景中移除,并将其贴在新的背景上。 为了实现这个过程,我们可以按照以下步骤进行操作: 1. 导入所需的库,如OpenCV。 2. 从视频中获取每一帧图像。 3. 对每一帧图像进行图像分割,将前景和背景分离出来。 4. 使用图像处理技术将前景与新的背景进行融合。 5. 将处理后的图像保存为视频文件。 值得注意的是,在实际处理视频时,由于视频具有多个帧图像,我们需要对每一帧都进行处理,并将其合并为一个新的视频文件。 总结起来,Python视频抠图更换背景可以通过使用图像处理库和技术,将视频中的对象与背景进行分割和替换,从而实现。这为我们提供了广阔的应用领域,例如影视后期制作、虚拟现实等。 ### 回答3: Python的视频抠图更换背景是使用图像处理技术来实现的。具体步骤如下: 1. 首先,我们需要使用Python的图像处理库(如OpenCV)来读取视频,并提取视频中的每一帧图像。 2. 接着,将每一帧的图像进行背景抠图。可以使用图像分割算法(如GrabCut算法)来实现。该算法能够根据用户给定的初始前景和背景区域,自动分割出前景和背景。 3. 抠图后,将前景图像保存,并继续处理下一帧图像。 4. 接下来,我们需要准备一个新的背景图像。可以选择一张静态图片作为新的背景,或者使用视频中的某一帧图像作为新的背景。 5. 将前景图像与新的背景图像进行融合。可以使用图像合成技术(如透明度混合)来实现。这样就可以将前景图像放置在新的背景之上。 6. 最后,将融合后的图像保存,并继续处理下一帧图像,重复以上步骤,直到处理完所有帧。 使用Python进行视频抠图更换背景可以实现很多有趣的效果,如去除原视频的背景,替换为自定义的背景,或者将特定物体提取出来,放置到不同的环境中。这样可以为视频增加视觉吸引力,增强用户的观赏体验。同时,Python作为一种简洁易用的编程语言,具有丰富的图像处理库和算法,使得视频抠图更换背景变得更加简单和高效。
在MATLAB中进行二值化后的抠图,可以通过以下步骤实现: 1. 首先,读取前景图像和背景图像,并将它们转换为double精度,以便于计算。 2. 使用im2bw函数对前景图像进行二值化处理,将阈值设置为适当的值来得到二值化的图像。 3. 对二值化后的图像进行取反操作,因为背景通常是偏白色的。 4. 使用find函数找到二值化图像中值为1的像素的位置。 5. 将前景图像中值为1的像素块填补到背景图像中对应的位置,实现抠图效果。 6. 最后,显示抠图结果。 以下是一个MATLAB代码示例,实现了二值化后的抠图效果: matlab clear all; clc; % 读取文件 front=imread('frontground.jpeg'); back=imread('background.jpeg'); % 将图片转化为double精度 front=im2double(front); % 二值化前景图像 BW_front=im2bw(front,0.8); % 显示RGB二值化结果 BW_front=imcomplement(BW_front); % 二值化取反,因为背景是偏白色 [a,b]=find(BW_front==1); % 查找interest值 % 抠图:将二值化数值1标记像素块填补到背景中 for i=1:size(a,1) back(a(i),b(i),1)=front(a(i),b(i),1);%第一通道赋值 back(a(i),b(i),2)=front(a(i),b(i),2);%第二通道赋值 back(a(i),b(i),3)=front(a(i),b(i),3);%第二通道赋值 end % 显示抠图结果 figure('NumberTitle', 'off', 'Name', '抠图结果'); imshow(back); title("抠图结果"); 这段代码可以实现将前景图像中二值化为1的像素块抠取出来,并将其填补到背景图像中,得到抠图的效果。
### 回答1: 以下是一个使用 Python 进行视频抠图的简单程序: import cv2 # 读取视频文件 video = cv2.VideoCapture("video.mp4") # 循环读取每一帧 while True: # 读取一帧 ret, frame = video.read() if not ret: break # 将图像转换为灰度图 gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 对灰度图进行二值化处理 ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 显示处理后的图像 cv2.imshow("Video", thresh) # 等待 1 毫秒,如果按下 q 键,退出循环 if cv2.waitKey(1) & 0xFF == ord("q"): break # 释放资源 video.release() cv2.destroyAllWindows() 这是一个简单的视频抠图程序,它读取了名为 video.mp4 的视频文件,并循环读取每一帧,将图像转换为灰度图,然后对灰度图进行二值化处理,最后显示处理后的图像。 ### 回答2: 抠图是一种将视频中的目标物体从背景中分割出来的技术。以下是使用Python编写一个简单的视频抠图程序的示例代码: python import cv2 # 加载视频 video = cv2.VideoCapture('input_video.mp4') # 创建输出视频 frame_width = int(video.get(3)) frame_height = int(video.get(4)) out = cv2.VideoWriter('output_video.mp4', cv2.VideoWriter_fourcc('M','J','P','G'), 30, (frame_width,frame_height)) # 创建背景剪影提取器 fgbg = cv2.createBackgroundSubtractorMOG2() while True: # 读取视频帧 ret, frame = video.read() if not ret: break # 应用背景剪影提取器 fgmask = fgbg.apply(frame) # 对二值化的剪影进行处理 # ... # 将处理后的剪影添加到原始帧图像中 result = cv2.bitwise_and(frame, frame, mask=fgmask) # 展示结果 cv2.imshow('Result', result) out.write(result) # 按下Q键退出 if cv2.waitKey(1) == ord('q'): break # 释放资源 video.release() out.release() cv2.destroyAllWindows() 在上述代码中,首先我们使用cv2.VideoCapture打开并加载输入的视频文件。然后,我们创建一个名为out的VideoWriter对象来保存处理后的视频帧。接下来,我们使用cv2.createBackgroundSubtractorMOG2创建一个背景剪影提取器,这个提取器用于分离目标物体和背景。然后,我们循环读取视频帧,将每一帧应用到背景剪影提取器上,得到一个二值化的剪影结果。之后,根据需要对剪影结果进行处理,例如使用形态学运算进行去噪等。最后,我们使用cv2.bitwise_and将处理后的剪影与原始帧图像进行叠加。同时,我们展示处理后的图像,并将其写入输出视频文件中。最后,当用户按下键盘上的Q键时,程序退出并释放资源。请注意,上述代码只是一个示例,具体的处理方式可以根据需求进行调整和扩展。 ### 回答3: 要用Python写一个视频抠图的程序,可以使用OpenCV库来提取视频中的图像帧,并使用图像分割算法来实现抠图功能。 首先,需要安装OpenCV库。可以使用pip命令来安装: pip install opencv-python 接下来,可以编写Python代码来实现视频抠图功能。以下是一个简单的程序示例: python import cv2 # 读取视频文件 video = cv2.VideoCapture('input.mp4') # 创建视频编写器 fourcc = cv2.VideoWriter_fourcc(*'mp4v') output = cv2.VideoWriter('output.mp4', fourcc, 20.0, (640, 480)) while(video.isOpened()): # 逐帧读取视频 ret, frame = video.read() if ret == True: # 在这里实现图像分割算法,抠图处理 # 在窗口中显示图像帧 cv2.imshow('Video', frame) # 将处理后的图像帧写入输出视频文件 output.write(frame) # 通过按下'q'键退出程序 if cv2.waitKey(1) & 0xFF == ord('q'): break else: break # 释放资源 video.release() output.release() cv2.destroyAllWindows() 上述代码打开一个名为'input.mp4'的视频文件,并逐帧读取,然后可以在“在这里实现图像分割算法,抠图处理”部分完成抠图算法的实现。将处理后的图像帧显示在窗口中,并将其写入输出视频文件。最后,释放视频和窗口资源。 需要注意的是,图像分割算法的选择和实现需要根据具体的抠图需求来确定。可以使用OpenCV提供的图像处理函数,也可以使用其他第三方库来进行图像分割。这只是一个简单的程序示例,具体的实现还需要根据具体情况进行调整和改进。
很好,我理解您的问题。为了完成这个任务,您可以使用OpenCV和Pillow这两个库来完成图片的抠图、修改背景颜色和图片大小的操作。以下是一个简单的Python代码示例,供您参考: import cv2 from PIL import Image # 读取图片 img = cv2.imread("photo.jpg") # 将图片转成灰度图并进行二值化处理 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) _, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU) # 进行腐蚀和膨胀操作,消除噪点 kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3)) erosion = cv2.erode(thresh, kernel, iterations=1) dilation = cv2.dilate(erosion, kernel, iterations=1) # 进行轮廓检测 contours, hierarchy = cv2.findContours(dilation, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 找到最大轮廓 max_contour = max(contours, key=cv2.contourArea) # 生成掩模图像 mask = cv2.drawContours(np.zeros_like(img), [max_contour], 0, (255, 255, 255), -1) # 抠出图片并保存 result = cv2.bitwise_and(img, mask) cv2.imwrite("foreground.jpg", result) # 修改背景颜色 im = Image.open("foreground.jpg") im = im.convert("RGBA") datas = im.getdata() new_data = [] for item in datas: if item[3] == 0: new_data.append((255, 255, 255, 0)) else: new_data.append((255, 0, 0, item[3])) im.putdata(new_data) im.save("background.jpg") # 修改图片大小 img = cv2.imread("background.jpg") resized_img = cv2.resize(img, (256, 256)) cv2.imwrite("resized.jpg", resized_img) 这个代码示例仅仅是抛砖引玉,您可以根据自己的需求进行更加具体的操作。
要使用OpenCV提取轮廓并抠图,需要进行以下步骤: 1. 读取图像。使用cv2.imread()函数读取图像,存储为一个numpy数组。 2. 转换为灰度图像。使用cv2.cvtColor()函数将彩色图像转换为灰度图像。 3. 进行图像滤波。使用cv2.medianBlur()或cv2.GaussianBlur()函数对图像进行平滑处理,以去除噪声。 4. 进行二值化处理。使用cv2.threshold()函数将灰度图像转换为二值图像。 5. 提取轮廓。使用cv2.findContours()函数从二值图像中提取轮廓,存储为一个列表。 6. 绘制轮廓。使用cv2.drawContours()函数将轮廓绘制到图像上,以便查看。 7. 进行抠图。使用cv2.fillPoly()函数将轮廓包围的区域填充为白色,其余区域填充为黑色,得到抠图结果。 示例代码如下: import cv2 import numpy as np # 读取图像 img = cv2.imread('image.jpg') # 转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 进行图像滤波 blur = cv2.medianBlur(gray, 5) # 进行二值化处理 ret, thresh = cv2.threshold(blur, 127, 255, cv2.THRESH_BINARY) # 提取轮廓 contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) # 绘制轮廓 cv2.drawContours(img, contours, -1, (0, 255, 0), 2) # 进行抠图 mask = np.zeros_like(thresh) cv2.fillPoly(mask, contours, 255) result = cv2.bitwise_and(img, img, mask=mask) cv2.imshow('Original Image', img) cv2.imshow('Result', result) cv2.waitKey(0) cv2.destroyAllWindows()
### 回答1: 以下是使用OpenCV抠图的Python代码:import cv2# 读取背景图片 background = cv2.imread("background.jpg")# 读取前景图片 foreground = cv2.imread("foreground.jpg")# 将前景图片转换为灰度图片 foreground_gray = cv2.cvtColor(foreground, cv2.COLOR_BGR2GRAY)# 使用阈值操作获得二值图 ret, mask = cv2.threshold(foreground_gray, 230, 255, cv2.THRESH_BINARY)# 将mask转换成可以掩模形式 mask_inv = cv2.bitwise_not(mask)# 抠图 extracted = cv2.bitwise_and(background, background, mask = mask_inv)# 合并图片 result = cv2.add(extracted, foreground)# 保存 cv2.imwrite('result.jpg', result) ### 回答2: 以下是一个使用Python和OpenCV库编写的简单抠图代码: python import cv2 # 读取图片 image = cv2.imread('input.jpg') # 创建一个遮罩层 mask = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 阈值分割,将遮罩层分为白色和黑色两部分 ret, thresh = cv2.threshold(mask, 200, 255, cv2.THRESH_BINARY) # 查找图像的轮廓 contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 对每个轮廓进行处理 for contour in contours: # 计算轮廓的边界框 x, y, w, h = cv2.boundingRect(contour) # 在原始图像上根据边界框进行抠图 result = image[y:y+h, x:x+w] # 显示结果 cv2.imshow("Result", result) cv2.waitKey(0) # 保存结果 cv2.imwrite('output.jpg', result) # 释放窗口 cv2.destroyAllWindows() 你可以将代码中的input.jpg替换为你自己的待处理图像的路径,运行代码后,会将抠图结果显示在一个窗口中,并保存为output.jpg。 请注意,这只是一个简单的示例,可能无法处理所有情况。你可以根据具体需求对代码进行修改和优化。 ### 回答3: 以下是Python使用OpenCV进行图像抠图的代码示例: python import cv2 import numpy as np def image_segmentation(image_path): # 读取图像 image = cv2.imread(image_path) # 创建与图像相同大小的零矩阵 mask = np.zeros(image.shape[:2], dtype=np.uint8) # 创建具有前景的矩形区域 rect = (50, 50, 450, 290) # 创建GrabCut函数的参数 bgdModel = np.zeros((1,65),np.float64) fgdModel = np.zeros((1,65),np.float64) # 使用GrabCut算法进行图像分割 cv2.grabCut(image, mask, rect, bgdModel, fgdModel, 5, cv2.GC_INIT_WITH_RECT) # 创建新的掩码,将所需区域设置为前景 mask2 = np.where((mask==2)|(mask==0), 0, 1).astype('uint8') # 应用新的掩码到图像 segmented_image = image * mask2[:,:,np.newaxis] return segmented_image # 测试代码 image_path = 'input.jpg' segmented_image = image_segmentation(image_path) # 显示原始图像和分割后的图像 cv2.imshow('Original Image', cv2.imread(image_path)) cv2.imshow('Segmented Image', segmented_image) cv2.waitKey(0) cv2.destroyAllWindows() 以上代码可以实现使用OpenCV中的GrabCut算法进行图像分割,并将分割后的图像显示出来。代码中,我们首先读取图像,然后创建一个与图像相同大小的零矩阵作为掩码。然后,我们定义一个矩形区域作为前景,并为GrabCut算法创建所需的参数。接下来,我们使用GrabCut算法进行图像分割,并创建一个新的掩码,将所需区域设置为前景。最后,我们将新的掩码应用到图像上,得到分割后的图像,并显示出来。你可以将代码中的input.jpg替换为你想要使用的图像路径进行测试。

最新推荐

python利用蒙版抠图(使用PIL.Image和cv2)输出透明背景图

主要介绍了python利用蒙版抠图(使用PIL.Image和cv2)输出透明背景图,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧

Opencv实现抠图背景图替换功能

主要为大家详细介绍了Opencv实现抠图替换背景图,具有一定的参考价值,感兴趣的小伙伴们可以参考一下

php实现的证件照换底色功能示例【人像抠图/换背景图】

主要介绍了php实现的证件照换底色功能,结合实例形式分析了php实人像抠图与换背景图相关操作技巧,需要的朋友可以参考下

【图像加密解密】基于matlab GUI 图像加密和解密(图像相关性分析)【含Matlab源码 2685期】.mp4

CSDN佛怒唐莲上传的视频均有对应的完整代码,皆可运行,亲测可用,适合小白; 1、代码压缩包内容 主函数:main.m; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2019b;若运行有误,根据提示修改;若不会,私信博主; 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹中; 步骤二:双击打开main.m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可私信博主或扫描博客文章底部QQ名片; 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作

面向6G的编码调制和波形技术.docx

面向6G的编码调制和波形技术.docx

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire

Power BI中的数据导入技巧

# 1. Power BI简介 ## 1.1 Power BI概述 Power BI是由微软公司推出的一款业界领先的商业智能工具,通过强大的数据分析和可视化功能,帮助用户快速理解数据,并从中获取商业见解。它包括 Power BI Desktop、Power BI Service 以及 Power BI Mobile 等应用程序。 ## 1.2 Power BI的优势 - 基于云端的数据存储和分享 - 丰富的数据连接选项和转换功能 - 强大的数据可视化能力 - 内置的人工智能分析功能 - 完善的安全性和合规性 ## 1.3 Power BI在数据处理中的应用 Power BI在数据处

建立关于x1,x2 和x1x2 的 Logistic 回归方程.

假设我们有一个包含两个特征(x1和x2)和一个二元目标变量(y)的数据集。我们可以使用逻辑回归模型来建立x1、x2和x1x2对y的影响关系。 逻辑回归模型的一般形式是: p(y=1|x1,x2) = σ(β0 + β1x1 + β2x2 + β3x1x2) 其中,σ是sigmoid函数,β0、β1、β2和β3是需要估计的系数。 这个方程表达的是当x1、x2和x1x2的值给定时,y等于1的概率。我们可以通过最大化似然函数来估计模型参数,或者使用梯度下降等优化算法来最小化成本函数来实现此目的。

智能网联汽车技术期末考试卷B.docx

。。。

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依