Introduction

Liste des cours scientifiques

Pour compléter ce programme scientifique, vous pouvez consulter la liste des UE complémentaires pour Master 1 & 2.

Réalité virtuelle et augmentée

Objectifs

Ce module est une introduction aux méthodes et techniques utilisées en réalité virtuelle et augmentée. Il fournit une vue d’ensemble des différents aspects liés à ce domaine. Des liens avec le cours de Vision par ordinateur seront faits en discutant de réalité virtuelle.

Contenu

• Introduction à la réalité virtuelle et augmentée
• Algorithmes de base d’affichage 2D : tracé de lignes, de courbes simples, affichage de la partie visible de l’image
• Algorithmes pour l’affichage 3D : rendu polygonal 3D, élimination des parties cachées, algorithme Z-buffer
• Transformations matricielles pour la modélisation de scènes : translation, rotation, mise à l’échelle, perspective, projection 3D / 2D
• Modèles d’éclairage et de lumière. Modèles de réflexion et de shading
• Technique de lancer de rayons
• Technique de radiosité
• Modélisation de courbes et surfaces : modèles paramétriques, courbes de Bézier et splines
• Techniques d'anti-aliassage

Vision par ordinateur

Objectifs

Ce module est la suite du module de traitement d’images déjà enseigné en première année. Il aborde des problèmes beaucoup plus complexes que la transformation simple de l’image. Il fournit une vue d’ensemble des différents aspects liés à ce domaine, autant dans les algorithmes existants que la recherche actuelle. En plus des techniques existantes, les étudiants sont amenés à réfléchir sur les difficultés liées à ce domaine. Des liens avec le cours de Synthèse d'images seront faits en discutant de réalités virtuelle et augmentée.

Contenu

• Modèle de la caméra (sténopé, lentilles). Paramètres de la caméra. Calibration.
• Radiométrie. Extraction de caractéristiques (LoG, texture, coins, …).
• Vision 3D. Géométrie épipolaire. Appariement d’images. Reconstruction 3D.
• Mouvement. Filtre de Kalman. Suivi de mouvement. Reconnaissance de scénarios.
• Détection et reconnaissance d’objets 3D.
• Vision cognitive. Interprétation des images.

Interaction homme-machine

Objectifs

Ce module est une introduction à l'interaction homme-machine (ou humain-machine). Ce module montre les principes de base du base, autant sur les modèles d'utilisateur, d'architecture logicielle, tout en prenant en compte les principes d'ergonomie. Ce cours touchera aussi aux principes de visualisation 2D et 3D, ainsi qu'aux interfaces multimodales.

Contenu

• Introduction au domaine et à ses problématiques
• Modélisation cognitive de l’opérateur (modèle du processeur humain)
• Modélisation centrée utilisateur et principes d'ergonomie
• Modèles de tâches
• Architectures logicielles et modèles de conception
• Evalution des IHM
• Visualisation graphique 2D et 3D
• Interaction et multimodalité
• Interaction et mobilité

Ingénierie des systèmes interactifs

Objectifs

Ce cours vise à définir les modèles, architectures et outils permettant de mettre en oeuvre un environnement paramétrable, personnalisable et reconfigurable pour la conception et l’exécution adaptative d’activités interactives. Différentes approches seront abordées concernant d’une part l’image temps réel pour capturer de manière non invasive des comportements implicites ou explicites et reconstruire des scènes et, d’autre part, le génie logiciel pour la supervision des systèmes interactifs afin de concevoir un environnement de production et de personnalisation d’applications interactives à exécution adaptative. L’interactivité numérique que nous considérons repose sur la possibilité pour l'utilisateur de pouvoir se dégager de toute détermination impliquée par le déroulement d'une activité et de pouvoir être lui-même créateur d'interactions nouvelles.

Contenu

• Introduction
• Image et comportement - avec contraintes temporelles

• Analyse des comportements implicites ou explicites

• Génie Logiciel pour Systèmes Interactifs

Reconnaissance des formes

Objectifs

Ce module vise à appréhender les principes généraux relatifs aux chaines classiques de reconnaissance des formes. Les problématique d'analyse de scène et d'extraction de caractéristiques seront évoquées, avant d'aborder dans les détails les techniques pertinentes de reconnaissance des formes. En particulier, les grandes approches complémentaires de ce problème seront évoquées : l'approche structurelle s'appuyant sur les langages qui permettent de décrire les formes, l'approche statistique faisant intervenir des estimations pour condenser la description des formes dans des classes ou des fonctions paramétriques. Les approches connexionnistes seront également évoquées.

Contenu

• Introduction générale, rappels historiques, grandes catégories de techniques
• Analyse de scène et de Reconnaissance des formes : de l’extraction de caractéristiques à la prise de décision
• Analyse de la pertinence des vecteurs de caractéristiques, analyse de la corrélation de primitives, techniques de sélection de primitives pertinentes : Transformée de Karuhnen Love, …
• Méthodes statistiques, caractéristiques, classification et classement, décision bayésienne, apprentissage paramétrique et non paramétriques : séparation linéaire, classification bayésienne, k plus proches voisins, fenêtres de Parzen, nuées dynamiques, alogorithmes de C-Moyennes, des C-Moyennes Floues
• Approches connexionnistes : Réseaux de neurones, réseau de Kohonen, perceptron multi-couches, carcatéristiques intrinsèques de ces différentes approches
• Approches Markoviennes pour la reconnaissance des formes : Chaînes de Markov cachées, champs Markoviens
• Approches Structurelles pour la reconnaissance des formes : extraction de primitives, distances entre chaînes, inférence grammaticale, méthodes à base de graphes (isomorphismes exacts, inexacts), réseau à propagation de contraintes, grammaires multi-dimensionnelles, grammaires stochastiques

Modélisation et simulation des systèmes complexes

Objectifs

Un système complexe peut être défini comme un système composé de nombreux éléments différenciés interagissant entre eux de manière non triviale (interactions non-linéaires, boucles de rétroaction, etc.). Un système complexe se caractérise par l'émergence au niveau global de propriétés nouvelles, non observables au niveau des éléments constitutifs, et par une dynamique de fonctionnement global difficilement prédictible à partir de l'observation et de l'analyse des interactions élémentaires. L'objectif de ce module est de présenter les principaux outils de modélisation et simulation informatique de systèmes complexes dans divers domaines thématiques d'application. Ce cours sera fortement orienté vers la recherche et structuré sous la forme d'ateliers thématiques. Grâce à des séminaires théoriques, des analyses d'articles scientifiques et des mini-projets, les auditeurs aborderont différentes facettes de la modélisation et simulation de systèmes complexes.

Contenu

• Introduction à la modélisation et simulation informatique et aux systèmes complexes
• Définition de la complexité, historique et propriétés des systèmes complexes
• Applications à l'environnement, aux sciences sociales, à l'épidémiologie, ...
• Modèles mathématiques pour la modélisation et la simulation
• Outils et plates-formes de modélisation et simulation informatique
• Modélisation et simulation individu-centrées et collectives
• Modélisation et simulation spatialisées

Indexation des contenus multimédia

Objectifs

Les progrès technologiques sont tels en matière de stockage des données que le problème n’est plus d’obtenir des informations mais bien de pouvoir récupérer une information pertinente contenue dans des bases de données gigantesques. Afin de répondre à ce besoin, des outils de plus en plus efficaces ont été développés au cours du temps : catalogues (descriptions des documents par des éléments extérieurs au contenu : auteur, date,...), classification (description globale du contenu d’un document) et indexation. Cette dernière consiste à extraire des documents (textuels, sonores ou visuels) une information condensée analysant leur contenu et permettant la récupération du document original. Les applications sont multiples : web sémantique, aide à la conservation, à l’exploitation (voire la vente) des œuvres culturelles (sons, images...), aide au diagnostic médical, ...  

Contenu

• Principe et enjeu de l’indexation

• Indexation de textes

• Indexation des images (fixes ou animées)

• Indexation audio

• Application : Séquences d’Images - de la pellicule au flux vidéo

• Application : Système d’Informations Documentaires - du Patrimoine au document numérique

Apprentissage

Objectifs

Construire des systèmes artificiels capables d'apprendre est un des paradigmes fondamentaux de l'IA. Au cours des 10 dernières années, l'apprentissage automatique a connu une évolution considérable et est aujourd'hui une branche majeure de l'IA. Le cours consolide les notions fondamentales déjà abordées dans d'autres modules (entres autres par des exercices pratiques) et introduit les notions plus avancées dans ce domaine.

Contenu

• Introduction (rappel) et généralités sur l'apprentissage artificiel
• Apprentissage inductif supervisé (arbres de décision)
• Apprentissage et espace des versions
• Le boosting
• Méthodes neuronales : réseaux de neurones, SVM et cartes de Kohonen (rappel seulement - optionnel)
• Apprentissage bayésien
• Algorithmes génétiques
• Les systèmes classifieurs
• Apprentissage par renforcement

Raisonnement et incertitude

Objectifs

Ce cours aborde les différentes formes de raisonnement et traite de la représentation et du traitement de l'incertitude dans les systèmes à base de connaissances. Il décrit quelques théories numériques de représentation de l'incertitude et aussi des approches non numériques, au traitement du raisonnement non-monotone.

Contenu

• Types de raisonnement : déductif, abductif, inductif, par analogie, argumentation
• Incertitude vs incomplétude, imprécision, inconsistance.
• Principaux problèmes sur l'incertitude : représentation de l'incertitude, inférence et fusion d'informations incertaines
• Approches numériques pour la représentation de l'incertitude : théorie des probabilités, théorie des possibilités, théorie de l'évidence, réseaux bayésiens, logique floue

Bibliographie et étude de cas

Objectifs

Ce module consiste en une analyse détaillée d'un article de recherche. Il s'agit pour l'auditeur de choisir un article scientifique et de l'analyser selon deux aspects :
          * Une analyse sérieuse et détaillée de l'article afin de bien le comprendre et de pouvoir le relier à la matière vue en cours.
          * Une recherche des articles de référence (état de l'art) liés à cet article (cités en référence ou non) afin de pouvoir situer l'article dans son contexte et son domaine et de pouvoir le comparer avec les autres travaux qui existent.

Ce module est avant tout un travail individuel et encadré. Il n’y a pas de séances régulières prévues en classe pour ce travail. Le fonctionnement de ce module est identique pour toutes les options du Master. Cependant, l'auditeur doit choisir un article en fonction de son option.