Descriptif
Ce cours consiste en une introduction aux techniques de reconnaissance d'objets à partir d'images numériques.
Les bases de la représentation : discrétisation, quantification, codage sont abordées, ainsi que les différents modèles de traitement (linéaire, ensembliste, statistique, différentiel, fréquentiel,..).
On y présente également un tour d'horizon des méthodes de classification / apprentissage dédiées aux données images, dans un cadre supervisé (bayésien, k-ppv, réseaux convolutionnels) et non supervisé (ACP, K-moyennes, auto-encodeurs).
Les principales techniques de détection de caractéristiques (points d'intérêt, régions, contours) sont présentées dans le cadre unifié des espaces d'échelles, ainsi que leur représentation (descripteurs et invariants).
Enfin différentes méthodes de représentations d'objets sont présentées (Bag-of-features, Modèles implicites de forme), ainsi que les techniques de détection et reconnaissance associées.
Chaque chapitre de ce cours fait l'objet d'une séance d'expérimentation et/ou programmation sur machine.
Objectifs pédagogiques
Ce cours permet aux étudiants issus de la majeure Mécanique d'acquérir une base nécessaire en traitement d'images et en classification automatique, de façon à pouvoir aborder les cours orientés vers la perception des systèmes autonomes en 3e année.
effectifs minimal / maximal:
10/30Diplôme(s) concerné(s)
Parcours de rattachement
Pour les étudiants du diplôme Diplôme d'Ingénieur de l'Ecole Nationale Supérieure de Techniques Avancées
Aucun
Format des notes
Numérique sur 20Littérale/grade européenPour les étudiants du diplôme Diplôme d'Ingénieur de l'Ecole Nationale Supérieure de Techniques Avancées
Vos modalités d'acquisition :
- Rapports de TP
- Contrôle écrit
Le rattrapage est autorisé (Max entre les deux notes écrêté à une note seuil)- le rattrapage est obligatoire si :
- Note initiale < 6
- le rattrapage peut être demandé par l'étudiant si :
- 6 ≤ note initiale < 10
- Crédits ECTS acquis : 1.25 ECTS
- Scientifique acquis : 1.25
Le coefficient de l'UE est : 1
La note obtenue rentre dans le calcul de votre GPA.
L'UE est évaluée par les étudiants.
Programme détaillé
- Introduction : échantillonnage et quantification, modèles de représentation et de traitement.
- Filtrage et extraction de caractéristiques
- Clusterisation et apprentissage non supervisé
- Classification et apprentissage supervisé
- Représentation d'objets complexes : modélisation, détection et reconnaissance