Piste:

Différences

Ci-dessous, les différences entre deux révisions de la page.

Lien vers cette vue comparative

Prochaine révision 		Révision précédente
sy32 [2021/06/17 12:09]
moreajul créée 		sy32 [2025/06/05 11:47] (Version actuelle)
moreajul
Ligne 1: Ligne 1:
-====== SY32 ======+====== SY32 : Vision et Apprentissage ====== 
 + 
 +Les objectifs de SY32 sont d'abord de comprendre les différents moyens de former des images, pour ensuite choisir et appliquer un traitement de vision adapté au problème donné. 
 +Cette UV est organisée en deux parties dominantes, nous abordons les algorithmes fondamentaux de la vision par ordinateur, puis appliquons l'intelligence artificielle et l'apprentissage machine à des problèmes de vision.\\ 
 +SY32 inclut des projets à rendre, avec un accent fort sur l'analyse et l'évaluation des résultats, pour apporter une approche scientifique à l'UV. 
 + 
 + 
 +**Enseignants :** 
 +  * [[https://www.hds.utc.fr/~moreajul/|Julien Moreau]] (responsable) 
 +  * [[https://www.hds.utc.fr/~isetitra/|Insaf Setitra]] 
 + 
 +===== Programme ===== 
 + 
 +1e partie, Concepts classiques : 
 +  * Des ondes à la perception, de la vision aux caméras [J. Moreau] 
 +  * Mouvement et flot optique [J. Moreau] 
 +  * Transformations géométriques et alignement d’images [J. Moreau] 
 +  * Calibrage/étalonnage géométrique de caméra [J. Moreau] 
 +  * Stéréovision, géométrie épipolaire et mise en correspondance 3D [J. Moreau] 
 +  * Estimation automatique de transformations [J. Moreau] 
 +2e partie, Méthodes d'apprentissage : 
 +  * Vision et apprentissage [I. Setitra] 
 +  * Méthodes d’apprentissage automatique pour la classification [I. Setitra] 
 +  * Caractéristiques visuelles [I. Setitra] 
 +  * Détection d’objets [I. Setitra] 
 +  * Apprentissage profond [I. Setitra] 
 +  * Réseaux de neurones convolutifs [I. Setitra] 
 +  * CNN et détection, segmentation, autres applications [I. Setitra] 
 + 
 + 
 +Un planning détaillé est disponible dans le [[https://moodle.utc.fr/course/view.php?id=1666|Moodle SY32]].  
 + 
 +===== Travaux pratiques ===== 
 + 
 +Les exercices sont à coder en langage [[www.python.org|Python]] avec la bibliothèque [[numpy.org|NumPy]] (ainsi que d'[[outils|autres]]).\\ 
 +Les développements peuvent être faits sur les ordinateurs de la salle de TP.\\ 
 +Ou bien, [[setup-python|=> guide de configuration Python]] 
 + 
 +Liste des travaux pratiques : 
 +  - Stéganographie 
 +  - Éléments de traitement d’images 
 +  - Flot optique 
 +  - Transformations géométriques 
 +  - Étalonnage des distorsions géométriques 
 +  - Stéréovision 
 +  - Apprentissage automatique 
 +  - Adaboost 
 +  - Classification de visages 
 +  - Évaluation d'un détecteur 
 +  - Classification d'images 
 +  - Apprentissage profond 
 +  - Réseaux de neurones convolutifs 
 + 
 +===== Modalités d'évaluation ===== 
 + 
 +  * Médian : 25% 
 +  * Final : 25% 
 +  * Projets : 50% 
 + 
 +Deux projets sont prévus : 
 +  - Mise en correspondance stéréo (en lien avec les concepts classiques) 
 +  - Détection (par méthode d'apprentissage) 
 +Ils sont évalués, par ordre d'importance, sur le compte-rendu, l'implémentation et l'originalité de l'algorithme choisi, et la qualité des résultats. 
 + 
 +===== Autres informations ===== 
 + 
 + 
 +**Pré-requis :**\\ 
 +Connaissances de bases en mathématiques et en algèbre, géométrie 2D et 3D (tel que les coorodonnées et transformations homogènes, les changements de repère...), en statistiques.\\ 
 +Initiation au traitement du signal souhaité (domaine fréquentiel et transformées de Fourier, produit de convolution).\\ 
 +Python pour les sciences (NumPy etc) et Linux nécessaires. 
 + 
 +**Niveau :** GI04 
 + 
 +**Volume horaire hebdomadaire :** 
 +2h CM, 3h TP/TD.