Piste: • ressources • sy31 • start

Différences

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

Lien vers cette vue comparative

Les deux révisions précédentes Révision précédente
Prochaine révision 		Révision précédente
sy32 [2021/12/10 15:37]
moreajul 		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.
  
-Objectifs en quelques lignes. 
-(brouillon, faire en sorte que ce support puisse remplacer les slides d'introduction du cours) 
  
 **Enseignants :** **Enseignants :**
   * [[https://www.hds.utc.fr/~moreajul/|Julien Moreau]] (responsable)   * [[https://www.hds.utc.fr/~moreajul/|Julien Moreau]] (responsable)
-  * [[https://www.hds.utc.fr/~xuphilip/|Philippe Xu]]+  * [[https://www.hds.utc.fr/~isetitra/|Insaf Setitra]]
  
 ===== Programme ===== ===== Programme =====
  
-CM01 Des ondes à la perception, de la vision aux caméras+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]
  
-CM02 Éléments de traitement d’images 
- 
-CM03 Détection d’objet mobile et flot optique 
- 
-CM04 Transformations géométriques et alignement d’images 
- 
-CM05 Calibrage/étalonnage géométrique de caméra 
- 
-CM06 Stéréovision, géométrie épipolaire et mise en correspondance 3D 
- 
-CM07 Vision et apprentissage 
- 
-CM08 Méthodes d’apprentissage automatique 
- 
-CM09 Caractéristiques visuelles 
- 
-CM10 Classification d’images 
- 
-CM11 Détection d’objets 
- 
-CM12 Apprentissage profond 1/2 
- 
-CM13 Apprentissage profond 2/2 
  
 +Un planning détaillé est disponible dans le [[https://moodle.utc.fr/course/view.php?id=1666|Moodle SY32]]. 
  
 ===== Travaux pratiques ===== ===== Travaux pratiques =====
Ligne 42: Ligne 36:
 Les développements peuvent être faits sur les ordinateurs de la salle de TP.\\ Les développements peuvent être faits sur les ordinateurs de la salle de TP.\\
 Ou bien, [[setup-python|=> guide de configuration Python]] 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 ===== ===== Modalités d'évaluation =====
  
-  * Médian : ??% +  * Médian : 25% 
-  * Final : ??% +  * Final : 25% 
-  * Projet : ??%+  * 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 ===== ===== Autres informations =====
  
  
-**Pré-requis :** Mathematics and algebra basic skills, 3D and 2D geometry, statistics. Signal processing is a plus. Python and Linux are recommended.+**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 **Niveau :** GI04