logo ensta

Cours MI204 (Mineures Info / IAC et Méca / SI)

Analyse et Indexation d'Images (Info/IAC)

Reconnaissance d'Images (Méca/SI)

Programmation 2022-2023

Professeurs :
  • Antoine MANZANERA
  • Marwane HARIAT

Modalités de contrôle des connaissances :

  • 2 Comptes-rendus de TPs 

Compléments au Polycopié de Cours :

Ce cours, en grande partie commun aux mineures Info / IAC et Méca / SI (séances en orange) présente les concepts essentiels à l'analyse de bas niveau en vision par ordinateur: les outils fondamentaux de l'analyse, l'échantillonnage et le codage, la représentation des images et des vidéos, l'extraction de caractéristiques.

Il présente aussi les principales techniques utilisées pour traiter et analyser les images avant leur interprétation en termes de sémantique ou de reconstruction 3d, qui seront utiles pour les cours orientés vers la perception des systèmes autonomes en 3e annéees : parcours ROB (Info) et MID (Méca).

Pour les étudiants de la mineure Info / IAC (séances en rouge), qui ont déjà suivi une formation en Machine Learning, un complément est fourni sur plusieurs aspects bas-niveau importants :

  • Le filtrage et la restauration d'images
  • La couleur
  • Le codage et la compression

Pour les étudiants de la mineure Méca / SI (séances en jaune), un complément est fourni sur la classification automatique appliquée aux données images :

  • Méthodes de classification / apprentissage dédiées aux données images, dans un cadre supervisé (bayésien, k-ppv, réseaux convolutionnels) et non supervisé (ACP, K-moyennes, auto-encodeurs).

CRÉNEAU
   DESCRIPTION DE LA SÉANCE
 PROFESSEUR RESSOURCES
Vendredi 27/1
9:00--12:15
Introduction : Modélisation et représentation des images
  • Échantillonnage et Quantification
  • Outils fondamentaux (Convolutions, Histogrammes, Transformées de Fourier)...
Antoine MANZANERA
Vendredi 3/2
9:00--12:15
Détection et Représentation de Caractéristiques
  • Géométrie différentielle pour les images, Dérivées multi-échelles,
  • Contours, Points d'intérêt, Segmentation…
  • Descripteurs et Indexation : Invariants de Hilbert, Histogrammes d'orientation, Invariants de Fourier-Mellin,
  • Principes de l'indexation d'images et de la recherche par le contenu…
 Antoine MANZANERA
Vendredi 10/2
9:00--12:15
  • TP Filtrage et Extraction de Caractéristiques
Antoine MANZANERA
Marwane HARIAT
Vendredi 17/2
9:00--12:15
Filtrage et Restauration
  • Filtres linéaires et non linéaires,  NL-Means,
  • Filtres homomorphiques, Filtres de Wiener,
  • Approches par apprentissage.
 Antoine MANZANERA
Marwane HARIAT
Classification et Apprentissage de données images - partie 1
  • Réduction de dimension et Clustering
  • Apprentissage Bayésien
  • k-NN, SVM, Random Forest
  • TP sur la classification de pixels supervisée (Modèles bayésiens) et non supervisée (K-Means)
Vendredi 24/2
9:00--12:15
  • Codage et Compression d'images : Codage entropique et compression sans perte. DCT et compression Jpeg. Ondelettes et compression Jpeg2000.
  • Introduction à la couleur : Ombres et réflectance, acquisition et restitution, espaces couleur, traitement d’images couleur.
 Antoine MANZANERA
Marwane HARIAT
Classification et Apprentissage de données images - partie 2
  • Réseaux de neurones
Vendredi 10/3
9:00--12:15
Représentation et Détection d'objets
  • Représentations d’objets visuels, Sacs de mots visuels, Fenêtre glissante.
  • Transformées de Hough pour la reconnaissance de formes paramétrées.
Vidéo : analyse du mouvement :
  • Intérêt du flot optique, Techniques différentielles et fréquentielles,
  • Calcul du Flux optique épars (Lucas et Kanade) et dense (Horn et Schunck).
  • Codage et compression Mpeg de vidéos.
 Antoine MANZANERA
Vendredi 17/3
9:00--12:15
  • TP segmentation et indexation de vidéos : Découpage automatique de vidéos en plans et description de séquences.P sur les réseaux convolutionnels
 Antoine MANZANERA
Marwane HARIAT
  • TP sur les réseaux convolutionnels : Classification d'images par CNN