Differences

This shows you the differences between two versions of the page.

--- public:ecolealbas [2017/02/07 17:47] – [Droits d'inscriptions] acarlier
+++ public:ecolealbas [2023/07/20 10:00] (current) – external edit 127.0.0.1
@@ Line 1: / Line 1: @@
 {{ :public:logos.png?nolink&400 |}}
-= Mathématiques appliquées pour la vision par ordinateur
+= Méthodes numériques et algorithmes pour la vision par ordinateur : dernières tendances
 **Ecole de printemps**
 mai - 2 juin 2017, Albas, Lot
@@ Line 6: / Line 6: @@
 Objectif de la formation : présenter les techniques numériques les plus récentes s'inscrivant dans les nouvelles tendances de la vision par ordinateur et du traitement d'images ; permettre aux stagiaires d'atteindre un bon niveau de compréhension des articles récents de notre communauté.
+Organisation : Axel Carlier (MCF INP), Jean-Denis Durou (MCF HDR UPS) : IRIT Site ENSEEIHT, [[http://ubee.enseeiht.fr/dokuwiki/doku.php?id=vortex:vortex|Équipe VORTEX]]
 == Présentation
-  * 4-5 orateurs
+  * 4 orateurs
-  * Jauge : environ 35 participants (orateurs compris)
+  * Jauge : environ 40 participants (orateurs compris)
   * Lieu : Château du Port, Albas (Lot)
   * Dates : du 29 mai 2017 à midi au 2 juin 2017 à 14h
-== Programme (en construction)
+== Programme
-  * Méthodes variationnelles et applications en vision 3D, [[http://vision.in.tum.de/members/cremers|Daniel Cremers]] (Université Technique de Munich, Allemagne)
+**Approches variationnelles et reconstruction 3D en vision par ordinateur **
-  * Modèles graphiques probabilistes et apprentissage, [[http://www-sop.inria.fr/members/Xavier.Descombes/|Xavier Descombes]] (INRIA Sophia Antipolis)
-  * Méthodes de Fourier en traitement d'images [[http://www.math-info.univ-paris5.fr/~moisan/|Lionel Moisan]] (Université Paris Descartes)
-  * Schémas numériques d'optimisation, [[http://image.diku.dk/francois/|François Lauze]] (Université de Copenhague, Danemark)
-  * (à confirmer) Histoire de la photogrammétrie, [[https://team.inria.fr/steep/people/peter-sturm/|Peter Sturm]] (INRIA Grenoble Rhône-Alpes)
-En outre, les participants seront invités à présenter leurs travaux lors d'une session posters et/ou démonstrations.
+[[http://vision.in.tum.de/members/cremers|Daniel Cremers]] (Université Technique de Munich, Allemagne)
+// La reconstruction du monde 3D à partir d'images 2D fait partie des principaux enjeux de la vision par ordinateur. Dans ce cours, Daniel Cremers présentera plusieurs méthodes directes permettant d'estimer la géométrie et le mouvement de la caméra à partir d'une série d'images. Il parlera, entre autres, des approches variationnelles, des méthodes de relaxation convexe et de deux problèmes classiques de vision 3D : « structure and motion » et « visual SLAM ». //
+----
+** Éléments de géométrie différentielle numérique **
+[[http://image.diku.dk/francois/|François Lauze]] (Université de Copenhague, Danemark)
+// Dans ce cours, l'accent sera mis sur les aspects numérique de la géométrie riemannienne : structures riemanniennes, connexions, géodésiques, transport parallèle, etc. Les applications naturelles de ce cours aux images et à l'apprentissage sont, par exemple :
+  * Contours actifs avec contraintes de paramétrisation.
+  * Analyse en géodésiques principales, c'est-à-dire ACP sur des variétés riemanniennes.
+  * Tracking avec contraintes riemanniennes.
+  * Calcul des variations (et connexions sur des fibrés).
+  * Débruitage d'images à valeur dans des variétés. //
+----
+** Les multiples apports de la transformée de Fourier au traitement d'images **
+[[http://www.math-info.univ-paris5.fr/~moisan/|Lionel Moisan]] (Université Paris Descartes)
+//La transformée de Fourier apparaît de manière récurrente dans de nombreuses questions liées aux images numériques.
+Dans ce cours, Lionel Moisan montrera comment elle éclaire de façon particulièrement instructive le processus de formation d'une image numérique (diffraction, échantillonnage, aliasing), la question de l'interpolation d'images (interpolations splines, Shannon) et des transformations géométriques d'une image (rotation, zoom, …), la synthèse d'images de microtextures (randomisation de phase, champs gaussiens), la notion de qualité d'image (cohérence de phase et applications à la déconvolution aveugle). Il parlera également du concept récent de « variation totale Shannon ». //
+----
+**Modèles graphiques probabilistes et apprentissage en traitement d'image**
+[[http://www-sop.inria.fr/members/Xavier.Descombes/|Xavier Descombes]] (INRIA Sophia Antipolis)
+// Ce cours abordera les trois points suivants :
+  * Classification supervisée : les SVM. Présentation des principes de la classification : supervisée vs non supervisée, linéaire vs non linéaire, performances sur l'ensemble d'apprentissage vs généralisation. Cas des SVM : optimalité de la classification.
+  * Segmentation d'image par approches markoviennes : champs markoviens, modèle de Potts vs Chien-modèle, optimisation. Applications : imagerie médicale et télédétection.
+  * Détection d'objets par processus ponctuels marqués : modélisation, optimisation. Applications : imagerie biologique et environnement. //
+----
+En outre, les participants seront invités à présenter leurs travaux lors de deux sessions posters et/ou démonstrations de 2h.
 == Droits d'inscription
-  * Etudiants : 400€
+  * Étudiants : 400€
   * Académiques : 500€
   * Industriels : 1000€