Compétences
L’axe est centré autour de quatre équipes : Image du GREYC et les équipes Quantif, Docapp et STI du LITIS. Les compétences scientifiques que l’on retrouve au sein de l’axe sont les suivantes.
- Traitement et analyse d’images
- Quantification fonctionnelle médicale
- Apprentissage et reconnaissance des formes
Objectifs
L’axe se propose de mener le développement de méthodologies et d’algorithmes innovants permettant de répondre aux nouveaux défis scientifiques que sont l’analyse et l’exploitation des images et des données qui sont de plus en plus complexes et exotiques.
Thématiques
- Restauration, afin d’augmenter la qualité des images dans des conditions d’acquisition non optimales et en faciliter les futurs traitements,
- Segmentation, afin d’extraire de manière robuste, reproductible et efficace des éléments visuels dans les images,
- Extraction d’attributs, afin de modéliser et caractériser des objets en vue de leur reconnaissance ou suivi
- Analyse d’images, afin de disposer de représentations efficaces et parcimonieuses d’images exploitant couleur et spatialité
- Fusion d’informations, afin d’exploiter de manière efficace des informations multi -sources ou multi-modalités
Méthodes
- Formulations variationelles
- Représentations parcimonieuses
- Equations aux dérivées partielles sur graphes
- Noyaux sur graphes
- Dictionnaire de mots visuels
- Organisation spatiale des couleurs
- Théorie de l’évidence et des fonctions de croyance
- Théories des ensembles flous
Applications
– Imagerie médicale : l’aide au diagnostic et à la thérapie à partir des différentes modalités d’imagerie médicale (TEP-Sans, IRM, Brain Graphs, Pathologie Digitale…).
– Images de document : la restauration et l’analyse de documents anciens
– Mobilité : le traitement des données issues de multiples capteurs dans le cadre de l’aide à la conduite sous contraintes de robustesse de fiabilité et de temps réel
Thèses LITIS et GREYC en cours sur ces thématiques (juin 2022)
Joseph ASSAKER, doctorant LITIS, 1ère année de thèse, Soutenance prévue en fin 2024
Sujet: « Apprentissage de représentations pour le pattern spotting et le pattern discovery dans les images de documents historiques »
Encadrement : Laurent Heutte, Stéphane Nicolas
MAYET Tsiry, doctorant LITIS, 1ere année de thèse, Soutenance prévue en fin 2024
Sujet: Domains to domains translations: application to semantic segmentation
Encadrement : Clement Chatelain, Romain Herault, simon bernard
Denis COQUENET, doctorant LITIS, 3ème année, Soutenance prévue en septembre 2022
Surveillance de flux de documents par modèle de lecture à attention
Financement DGA-Région Normandie
Encadrement : Thierry Paquet / Clément Chatelain
BOILET Mélodie, doctorante LITIS, 3ème année, Soutenance prévue en fin 2022
Soutenance prévue en décembre 2022
Conception de méthodes de compréhension d’images de documents par des méthodes d’apprentissage profond
Financement CIFRE – TEKLIA
Encadrement : Thierry Paquet / Teklia (CIFRE)
Thomas CONSTUM, doctorant LITIS, 1ère année, Soutenance prévue en fin 2024
Optical Handwritten Named Entity Recognition
Financement ANR-Région Normandie (HAISCoDe)
Encadrement : Thierry Paquet / Pierrick Tranouez
Herbert Rakotonirina, doctorant LITIS, 1ère année, Soutenance prévue en fin 2024
– « Géostatistiques par apprentissage profond pour la réduction des incertitudes : application à la dépollution des sols »
– Directeurs de thèse : Paul Honeine et Olivier Atteia (ENSEGID, Université de Bordeaux)
Mohamad Dhaini, doctorant LITIS, 2ème année, Soutenance prévue en fin 2023
– « Apprentissage robuste de dictionnaires par transfert appliqué aux données hyperspectrales pour l’analyse des sols pollués »
– Directeur et encadrant de thèse : Paul Honeine et Maxime Berar
Andrea Daou, doctorant LITIS, 2ème année, Soutenance prévue en fin 2023
– « Localisation temps réel en intérieur par vision embarquée et apprentissage profond »
– Directeurs de thèse : Paul Honeine et Abdelaziz Bensrhair
Ahmed Rida Sekkat, doctorant LITIS, 4ème année
– « Segmentation d’images routières fish-eye à 6 degrés de liberté par Deep Learning »
– Directeurs de thèse : Paul Honeine et Pascal Vasseur
Doctorant | Sujet | Année | Financement | Encadrement |
---|---|---|---|---|
William Piat, GREYC | Optimisation et apprentissage robuste | 3eme | CIFRE (Safran) | Frederic Jurie et Jalal FADILI |
Jean-Jacques Godeme, GREYC | Reconstruction de phase garantie en imagerie | 2eme | ANR FIRST | Jalal FADILI |
Nathan Buskilic, GREYC | Data-driven and Model-driven Approaches for Inverse Problems in Imaging: Optimization and Learning Challenges | 1ere | ANR DEEPVISION | Jalal FADILI, Yvain Queau et Frederic Jurie |
Rémi Dufour | Détection de personnes et suivi de leurs trajectoires dans un contexte ferroviaire par apprentissage automatique. Application à la vidéoprotection dans les trains. | 2019-2022 | Co-Directeurs : M. Berbineau (Lille), O. Lézoray Co-encadrants : C. Meurie (Lille) |
|
Zeineb Ibork | Exploitation de maillages 3D par réseaux de convolution | 2021-2024 | Co-Directeurs : C. Charrier, R. Taouahni (Maroc) Co-encadrants : O. Lézoray, A. Nouri (Maroc) |