1. Multivariate time-scale bootstrap for testing the equality of selfsimilarity parameters Charles-Gérard Lucas, Herwig Wendt, Patrice Abry, Gustavo Didier. p. 1-4 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La surveillance d’un système à partir de données multivariées enregistrées par un ensemble de capteurs implique souvent de compter combien de paramètres d’autosimilarité effectivement différents pilotent leurs dynamiques temporelles. En utilisant un modèle de mouvement brownien fractionnaire multivarié, des procédures d’estimations construites sur les valeurs propres de représentations en ondelettes et une technique de bootstrap par bloc dans le domaine temps-échelle, un test d’égalité entre paires triées de paramètres d’autosimilarité estimés est construit. La procédure permet, à partir d’une seule observation de taille finie des données, d’estimer la p-valeur et la puissance du test. Les performances de la procédure sont quantifiées au moyen de simulations Monte Carlo de grandes tailles, conduites sous différents scénarios.

2. Extraction de caractéristiques avec l’algorithme Correlation Explanation : application en risque de crédit financier Sung-Hyuk Pang, Alban Goupil, Valeriu Vrabie, Loïc Kolodziejczak. p. 5-8 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Parmi les méthodes de réduction de dimension (RD), les transformations non supervisées permettent d’interpréter les données et de fournir un pré-traitement souvent nécessaire pour un apprentissage efficace. Si les méthodes classiques telles que la PCA ou l’ICA se basent sur des projections, l’algorithme Correlation Explanation (CorEx) permet d’analyser les données en fonction de la dépendance entre elles en s’appuyant sur des notions de la théorie de l’information et offre un moyen de représentation très efficace. Cet algorithme est appliqué sur des données de défaut de crédit et les résultats montrent qu’il est possible d’estimer les caractéristiques explicatives discriminant le défaut de crédit.

3. Discrétisation de l'opérateur d'énergie de Teager-Kaiser revisitée Yves PREAUX, Abdel-Ouahab BOUDRAA. p. 9-12 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’opérateur d’énergie de Teager-Kaiser permet la poursuite des modulations AM et FM des signaux non-stationnaires à bande étroite. Défini par une équation différentielle du second ordre, la discrétisation de cet opérateur instantané repose dans sa mise en œuvre uniquement sur une suite discrète de valeurs indicées par des entiers naturels, sans faire apparaître directement la fréquence d’échantillonnage du signal. Cela entraine qu’une partie de l’information du signal n’est pas exploitée par l’opérateur. L’objectif de ce article est de revisiter la discrétisation de l’opérateur et les algorithmes associés, en tenant compte du pas h de discrétisation. Nous illustrons et montrons l’apport de la prise en compte du pas h, permettant de faire l'équivalent d'une analyse multi-résolution, sur la démodulation d’un signal AM-FM en environnement bruité.

4. Modèles polarisés pour la simulation rapide de formes d'ondes gravitationnelles Cyril Cano, Eric Chassande-Mottin, Nicolas LE BIHAN. p. 13-16 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'analyse des données provenant des observatoires terrestres d'ondes gravitationnelles repose sur l'ajustement aux observations de modèles d'ondes obtenus à partir de modèles astrophysiques. La génération de modèles peut demander des ressources importantes de calcul pour des tâches telles que l'estimation des paramètres astrophysiques qui nécessite la capacité de générer rapidement un grand nombre de modèles de formes d'onde. Nous abordons ce problème en utilisant la régression de composantes principales et des caractéristiques soigneusement choisies. Nous étudions tout d'abord le cas simple des fusions binaires compactes avec des orbites "sans précession" qui conduisent à des ondes polarisées circulairement, et le cas plus compliqué "avec précession orbitale" qui conduit à une plus grande variété de polarisation et nécessitent donc une représentation géométrique spécifique.

5. Chaînes de Markov cachées à bruit généralisé Hugo GANGLOFF, Katherine Morales Quinga, Yohan Petetin. p. 17-20 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les chaînes de Markov cachées sont des modèles très populaires pour le traitement non-supervisé du signal dans un contexte bayésien. Nous nous intéressons à la complexification du terme d’attache aux données afin de pouvoir apprendre automatiquement des modèles de bruits très généraux. Pour cela, nous introduisons un processus auxiliaire continu et nous développons une approche d’inférence variationnelle efficace, préservant l’interprétabilité des variables cachées d’intérêt. Les résultats d’expériences de classification non supervisée montrent que ces nouveaux modèles à variable auxiliaire continue donnent des meilleurs résultats que les modèles classiques de la littérature.

6. Neural Posterior Estimation od hierarchical models in neuroscience Julia Linhart, Pedro Luiz Coelho Rodrigues, Alexandre Gramfort, Thomas Moreau, Gilles Louppe. p. 21-24 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'objectif principal de la recherche expérimentale en neurosciences est de comprendre les mécanismes bio-physiques qui sont à l'origine de phénomènes neuronaux complexes. Lorsque le but est de reproduire informatiquement des signaux cérébraux réalistes, cela implique généralement l'inférence des paramètres de modèles stochastiques non-linéaires. Cette tâche est d'autant plus difficile si le couplage de certains paramètres conduit à des modèles intrinsèquement indéterminés. Nous présentons une méthode capable de lever une telle indétermination en étendant les développements récents de l'inférence par simulation (SBI) aux modèles hiérarchiques bayésiens. L'idée est d'exploiter l'information incluse dans un ensemble d'observations supplémentaires partageants les mêmes paramètres globaux, afin de fournir une estimation plus précise des paramètres couplés. Nous appliquons cette méthode à un modèle neuronal connu, le Jansen & Rit Neural Mass Model pour étudier quelles informations supplémentaires permettent d'obtenir les meilleures estimations de paramètres pour des signaux EEG.

7. Contours actifs pour signaux sur graphes Olivier LEZORAY. p. 25-28 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article propose une adaptation pour les signaux sur graphes d'un modèle de segmentation qui combine les modèles de contours actifs géodésiques et de contours actifs sans arêtes. De plus, des termes spécifiques dépendant des graphes sont introduits dans la formulation. Cette adaptation est résolue en utilisant une formulation par ensemble de niveaux avec une descente de gradient qui peut être exprimée comme un processus d'évolution morphologique. Les résultats expérimentaux sur différents types de signaux de graphes montrent les avantages de l'approche.

8. Approximation de l'entropie de von Neumann de graphes pour une analyse de vulnérabilité Tristan Averty, Delphine Daré - Emzivat, Abdel BOUDRAA, Yves PREAUX. p. 29-32 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans ce travail, nous exploitons la variation de l’entropie de von Neumann de graphes comme mesure de vulnérabilité en proposant une nouvelle forme approchée de cette entropie basée sur des attributs structurels du graphe, à savoir le nombre d’arêtes, de sommets ou encore des degrés du graphe. L’utilisation d’une telle forme est motivée par l’optimisation du temps de calcul qui en découle. Disposant d’une forme simplifiée de l’entropie, nous l’utilisons pour la caractérisation de la vulnérabilité des graphes via l’étude de la variation entropique du graphe suite à la suppression d’arêtes. Les résultats obtenus sur des graphes de grandes tailles montrent la pertinence d’une telle approximation.

9. Estimation des paramètres d'un prior Bernoulli-Gaussien en problèmes inverses Pierre Barbault, Matthieu Kowalski, Charles Soussen. p. 33-36 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le modèle Bernoulli-Gaussien (BG) est un modèle classique des signaux parcimonieux. Nous proposons une méthode d’estimation automatique des paramètres BG dans le cadre des problèmes inverses. L’originalité vient de la reformulation du problème en deux problèmes emboîtés de déconvolution (sans contrainte) et de débruitage parcimonieux, via l’introduction d’un signal latent. La démarche adoptée repose sur une méthode d’espérance-minimisation pour le débruitage parcimonieux non supervisé, puis son extension à des problèmes inverses. L’algorithme proposé est évalué sur des problèmes de déconvolution, et comparé à des approches supervisées.

10. Une approche générique pour la factorisation booléenne de matrices binaires Rodrigo Cabral Farias, Sebastian Miron. p. 37-40 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous proposons une approche générique pour les décompositions booléennes de matrices de données binaires. Dans notre approche, les matrices binaires de rang 1 du modèle de factorisation peuvent être combinées par une fonction booléenne arbitraire, généralisant ainsi le modèle standard de factorisation booléenne, où la combinaison est limitée à la fonction logique `OR'. L'approche proposée repose sur une relaxation réelle des contraintes de binarité sur les facteurs du modèle et sur une représentation polynomiale de la fonction booléenne considérée. Un algorithme d'estimation basé sur la descente de gradient est également proposé et comparé aux algorithmes de l'état de l'art.

11. Adaptation de domaine en régression par alignement de décompositions non-négatives Mohamad DHAINI, Maxime BERAR, Paul HONEINE, Antonin VAN EXEM. p. 41-44 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les approches d'adaptation de domaine cherchent à généraliser les connaissances acquises dans un domaine source étiqueté à un autre domaine cible non étiqueté. La plupart des approches d'apprentissage profond avec adaptation de domaine visent la tâche de classification. Parmi les modèles profonds existant pour les tâches de régression, l'adaptation de domaine peut être réalisée en alignant les vecteurs propres des données source et cible. Ce processus, bien qu'il donne des résultats acceptables, est cependant instable et n'est pas favorable à la rétro-propagation du gradient. Dans cet article, nous présentons un nouveau modèle d'adaptation de domaine pour réseau de neurones profond basé sur l'alignement des sous-espaces non négatifs dérivés des domaines source et cible. L'élimination des contraintes d'orthogonalité rend le modèle plus stable en apprentissage. Notre approche est évaluée sur un jeu de données de référence pour l'adaptation de domaine en régression. Les résultats montrent des performances compétitives par rapport aux autres modèles de pointe.

12. Stochastic convex optimization from a continuous dynamical system perspective Rodrigo Maulen, Jalal Fadili, Hedy Attouch. p. 401-404 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Afin de résoudre des problèmes d’optimisation non contraints avec des objectives différentiables et convexes, et où le gradient est soumis à des erreurs, nous analysons le comportement des flots de type gradient sous des perturbations stochastiques. Plus précisément, nous étudions une équation différentielle stochastique où le terme de dérivé est l’opposé du gradient de la fonction objective, et le terme de diffusion est borné ou carré-intégrable. Dans ce contexte, sous des conditions de Lipschitz continuité du gradient, en plus d’assurer l’existence standard et l’unicité d’une solution, un premier résultat principal montre la convergence presque sûre de l’objectif et de la solution/processus vers un minimiseur. Nous menons ensuite une étude de complexité et établissons des taux de convergence ponctuels et ergodiques en espérance lorsque l’objective est convexe, fortement convexe ou vérifie (localement) l’inégalité de Polyak-Łojasiewicz. Cette dernière, qui implique une analyse locale, nécessite des arguments fins en théorie de la mesure.

13. Analyse exploratoire de métriques en segmentation d’images : application en proxidétection Paul Melki, Lionel Bombrun, Estelle Millet, Boubacar Diallo, Hakim ElChaoui ElGhor, Jean-Pierre Da Costa. p. 413-416 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans le contexte de la détection automatique de plantes sur des images de proxidétection agricole, nous étudions 12 métriques d’évaluation que nous utilisons pour évaluer 3 modèles de segmentation d’images récemment présentés dans la littérature. Après une présentation de ces métriques, nous explorons leurs relations à l’aide d’analyses multivariées. Nous distinguons 3 groupes de métriques fortement corrélées et, par une inspection visuelle d’images représentatives, nous identifions les aspects de la segmentation que chaque groupe évalue. L’objectif de cette analyse est de fournir quelques indices aux praticiens pour comprendre et choisir les métriques les plus pertinentes pour leur tâche agricole.

14. Ligne de partage des eaux stochastique par ordres de permutation Olivier LEZORAY. p. 417-420 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La ligne de partage des eaux stochastique est une approche morphologique de la segmentation qui répète l'application d'une LPE à partir de séries de marqueurs aléatoires uniformes pour construire une fonction de densité de probabilité. Nous proposons une approche alternative qui repose sur plusieurs ordres de permutation obtenus par des chemins Hamiltoniens sur graphe. Contrairement à la LPE stochastique classique, notre approche permet de prendre en compte n'importe quelles caractéristiques associées aux pixels.

15. Boucle d'indexation interactive basée sur les gains d'information : application à un jeu de données expert Solène Vilfroy, Thierry Urruty, philippe Carre, Lionel Bombrun. p. 425-428 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

De nombreuses applications d'apprentissage supervisé dans la classification de données nécessitent une quantité considérable de données pour pouvoir entraîner un modèle. Malheureusement, avoir accès à de grandes bases de données d'images étiquetées n'est pas toujours possible dans tous les domaines d'application. L'étiquetage de ces images peut être compliqué et/ou coûteux car il nécessite l'intervention d'experts. Dans ce contexte, certaines études se concentrent sur l'apprentissage adaptatif à une petite quantité de données, tandis que d'autres se concentrent sur une stratégie d'étiquetage efficace et peu coûteuse. Ce papier propose une méthode de recherche d'images par similarité tout en minimisant l'intervention de l'expert. Le cadre d'apprentissage dit d'active learning proposé consiste en une boucle d'indexation interactive basée sur les gains d'information. Les gains d'informations sont mis à jour de manière itérative par un réseau de neurones entièrement connectés, sélectionnant automatiquement les images requêtes les plus utiles.

16. Contrôle d’un système multi-CNN via le cap magnétique du smartphone pour la reconnaissance de scènes indoor Andrea Daou, Jean-Baptiste Pothin, Paul Honeine, Abdelaziz Bensrhair. p. 429-432 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

En vision par ordinateur, la reconnaissance de scènes indoor consiste à identifier une pièce à partir d’une image. La difficulté majeure réside dans la complexité élevée des environnements intérieurs par rapport à ceux extérieurs. Le présent article propose un système de classification de scènes indoor basé sur les capteurs intégrés dans les smartphones. La méthode proposée repose sur la combinaison des informations visuelles et du cap magnétique du smartphone. Le système comporte plusieurs CNN directionnels, chacun spécifiques pour une gamme définie d’orientations et guidés par le cap magnétique de la caméra du smartphone. L’utilisateur est localisé niveau-pièce en capturant simplement une image avec un smartphone. Les performances du système sont validées par des expérimentations sur un jeu de données réelles.

17. Apprentissage continu en ligne de classificateurs un contre tous Baptiste Wagner, Denis Pellerin, Serge Olympieff, Sylvain Huet. p. 433-436 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans le contexte d'apprentissage continu en ligne, les réseaux de neurones artificiels utilisés pour la classification d'images sont sujets au problème d'oubli catastrophique : la tendance à oublier des connaissances précédemment acquises lors de l'apprentissage sur de nouvelles informations. Afin d'entraîner de tels réseaux de neurones sur un flux de données d'images, une mémoire externe de taille fixe est généralement allouée pour stocker des images passées et les réintroduire dans l'entraînement. Or, avec cette méthode un biais est généralement observé vers les classes récentes dégradant ainsi les performances du modèle. Dans cet article, nous proposons d'utiliser des classificateurs un contre tous dans un contexte d'apprentissage continu. Le système entraîne uniquement le classificateur de la dernière classe observée sans mettre à jour ceux des classes précédentes, le rendant ainsi robuste à l'oubli catastrophique et au biais vers les classes récentes. Nous comparons notre modèle à l'état de l'art sur deux bases de données pour la classification d'images adaptées au contexte d'apprentissage continu en ligne.

18. Utilisation d'informations géométriques pour l'amélioration de la segmentation automatique d'organes allongés Rebeca Vétil, Alexandre Bône, Marie-Pierre Vullierme, Pietro Gori, Isabelle Bloch. p. 437-440 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les réseaux de neurones profonds sont largement utilisés pour la segmentation automatique d’organes dans des images médicales. Cependant, certains organes sont plus difficiles à délimiter que d’autres, en raison par exemple du faible contraste à leurs extrémités. Dans cet article, nous proposons d’améliorer la segmentation des organes allongés grâce à des informations géométriques. Nous introduisons ces dernières pendant l’apprentissage ou lors du post-traitement. Les deux stratégies n’introduisent pas de paramètres d’apprentissage supplémentaires et peuvent être facilement appliquées à tout modèle existant. La méthode proposée est évaluée sur le problème de segmentation du pancréas. Les résultats montrent que la sous-segmentation systématique des extrémités est bien corrigée, tout en préservant la qualité globale de la segmentation.

19. Segmentation d’images hyperspectrales par Information Bottleneck. Noémie Lafouge, Alban Goupil, Eric Perrin, Valeriu Vrabie, Brigitte Chabbert, Sylvie Recous. p. 441-444 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Résumé – Compresser une variable aléatoire X pour obtenir une variable Z qui reste pertinente en regard d’une troisième variable d’intérêt Y est l’objectif de la méthode de l’Information Bottleneck. Nous proposons une procédure permettant de construire la variable Z par une mise en cascade d’encodeurs déterministes lorsque X est discrète. Cette solution améliore une approche antérieure et permet une segmentation non supervisée d’image hyperspectrale. Abstract – The Information Bottleneck method aims to compress a random variable X into a variable Z that keeps relevant to a third variable Y . When X is discrete, we propose an algorithm that builds such a Z variable by cascading deterministic encoders. This solution improves a previous algorithm from the literature and is applied to segment hyperspectral images.

20. Apprentissage profond multitâche pour la prédiction de la récidive du cancer utilisant l'entropie d'Havrda-Charvat Thibaud Brochet, Jérôme Lapuyade-Lahorgue, Romain Modzelewski, Pierre Vera, Su Ruan. p. 449-452 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous utilisons l’entropie croisée d’Havrda-Charvat, généralisation de l’entropie croisée de Shannon comme fonction de perte dans un réseau de neurones de type U-Net. Nous proposons une architecture multitâche avec plusieurs bases de données pour prédire la récidive après traitement de patients atteints de cancers ORL ainsi que du poumon à partir d’images CT et d’informations sur les patients. L’entropie croisée de Havrda-Charvat est paramétrée par le paramètre α et coïncide avec celle de Shannon pour α = 1. Dans cet article, nous étudions la qualité de la prédiction de la récidive en fonction du paramètre α. L’optimum pour notre jeu de données a lieu pour α = 0.2 avec 69% de prédictions correctes contre 64% avec celle de Shannon.

21. HMLoss: Une nouvelle fonction de coût robuste au déséquilibre des classes Arthur Cartel FOAHOM GOUABOU, Rabah IGUERNAISSI, Jean Luc DAMOISEAUX, Abdellatif MOUDAFI, Djamal MERAD. p. 453-456 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce travail propose une résolution de la problématique du biais induit durant l’apprentissage des modèles neuronaux sur des bases déséquilibrées. Pour cela, nous introduisons une nouvelle fonction de coût dénommée ’Hard Mining Loss’ (HMLoss) permettant de réduire simultanément la contribution des exemples faciles et aberrants durant l’apprentissage tout en augmentant la contribution des exemples difficiles, permettant ainsi au modèle de se focaliser sur les échantillons discriminants. La fonction HMLoss surclasse les méthodes courantes pour résoudre ce problème dans des applications de classification d’images. Les bases de données, codes et architectures utilisés sont disponibles à l’adresse: https://github.com/cartelgouabou/HMLoss.

22. CNN 3D pour la reconnaissance des émotions faciales dans des vidéos Jad Haddad, Olivier Lézoray, Philippe Hamel. p. 457-460 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous considérons les réseaux de neurones convolutifs (CNN) 3D pour la prédiction des émotions faciales dans des vidéos. Nous optimisons l'architecture du CNN 3D par la recherche d'hyper-paramètres, et prouvons que cela a une très forte influence sur les résultats, même si le réglage de l'architecture des CNN 3D n'a pas été beaucoup abordé dans la littérature. Les expériences montrent un avantage par rapport à l'état de l'art.

23. Regroupement d'Activités de la Main Non-étiquetées Yasser BOUTALEB, Catherine SOLADIE, Nam-Duong DUONG, Amine Kacete, Jérôme Royan, Renaud Séguier. p. 461-464 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons, dans cet article, une nouvelle approche qui utilise l'adaptation de domaine non supervisée (UDA) pour le regroupement d'activités de la main non étiquetées, c'est à dire le regroupement d'activités similaires dans des groupes distincts. L'approche proposée vise à exploiter les connaissances tirées des échantillons étiquetés du domaine source pour catégoriser les échantillons non étiquetés du domaine cible. À cette fin, nous introduisons une nouvelle fonction de perte, basée sur l'apprentissage par métrique, pour apprendre une représentation hautement discriminante, tout en préservant une bonne précision de reconnaissance des activités sur le domaine source. La représentation apprise est utilisée comme un espace de dimension réduite pour regrouper automatiquement les échantillons non étiquetés. En outre, pour garantir de meilleurs résultats de regroupement, nous avons proposé une stratégie statistique et consensuelle de regroupement. L'approche proposée est évaluée sur le base de données FPHA.

24. ARCHITECTURE MATÉRIELLE ET TRAITEMENT D’IMAGES POUR UN SYSTEME DE NAVIGATION BASÉ SUR LA POLARISATION DE LA LUMIÈRE SOLAIRE. Guillaume COURTIER, Emmanuel PECHEUR, Ronan ADAM, Pierre-Jean LAPRAY, Sébastien CHANGEY, Jean-Philippe LAUFFENBURGER. p. 473-476 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Avec les progrès des véhicules autonomes, la navigation basée sur des caméras est de plus en plus utilisée. Une nouvelle méthode de navigation utilisant des caméras polarisées est présentée. Pour cela, un système d’acquisition et un algorithme de traitement d’images ont été développés afin d’estimer le cap d’un véhicule grâce à la polarisation de la lumière du ciel. La précision de la méthode est quantifiée à l’aide d’un banc tournant à partir duquel le cap estimé par les caméras est comparé au feedback donné par la platine rotative.

25. Généricité dynamique pour des algorithmes morphologiques Baptiste Esteban, Edwin Carlinet, Guillaume Tochon, Didier Verna. p. 477-480 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La généricité est un paradigme puissant dont l’usage permet d’implémenter un unique algorithme et de l’exécuter sur différents types de données. De ce fait, il est très utilisé lors du développement d’une bibliothèque scientifique, notamment en traitement d’images où les algorithmes peuvent s’appliquer à différents types d’images. Le langage C++ est un langage de choix pour ce genre de bibliothèque. Il supporte ce paradigme et ses applications sont performantes compte tenu de sa nature compilée. Néanmoins, contrairement à des langages dynamiques tels que Python ou Julia, ses capacités en matière d’interactivité, utiles lors des étapes de prototypage d’algorithmes, sont limitées en raison de sa nature statique. Nous proposons donc dans cet article une revue des différentes techniques qui permettent d’utiliser à la fois le polymorphisme statique et dynamique, puis nous évaluons le coût du transfert d’information statique vers des informations connues à l’exécution. En particulier, nous montrons que certaines informations d’une image sont plus importantes que d’autres en matière de performance, et que le surcoût dépend aussi de l’algorithme utilisé.

26. Local multifractal analysis of marked spatial point processes Stephane Roux, Janka Lengyel, Patrice Abry, François Sémécurbe, Stéphane Jaffard. p. 49-52 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

In this paper, we develop a methodology for the local estimation of multifractal properties in random 2D fields. The main novelty of our approach lies in introducing a local average of one-dimensional increments, rendering the analysis applicable not only for fully defined images but also for any marked point process where information is not ubiquitously available, e.g. in the context of geospatial data analysis and modeling. We demonstrate the robustness of the estimation by deploying the methodology on a multifractal random field defined as a marked 2D point pattern with three different underlying supports: an equidistant grid (or image), a self-similar and a multifractal Sierpinski carpet. We show that the estimation of obtained scaling characteristics is statistically concurrent on these three spatial distributions. We conclude by presenting a real-world application using geospatial data.

27. Émulation de Systèmes Cyber-Physiques sur FPGA Maelic Louart, Jean-Christophe Le Lann, Frédéric Le roy, Abdel BOUDRAA, Jean-Jacques SZKOLNIK. p. 481-484 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les FPGAs permettent aujourd'hui la conception de systèmes embarqués complexes complets capables de couvrir une gamme extrêmement large d'applications, allant des systèmes embarqués classiques à la virtualisation dans le cloud. Toutefois, le potentiel des FPGAs ne s'arrête pas là. Leur flexibilité et leur parallélisme naturel invitent à explorer leur utilisation dans des domaines plus confidentiels. Dans cet article, nous nous intéressons à l'émulation de systèmes cyber-physiques complets sur FPGA. Notre cas d'étude présente l'émulation d'un système constitué d'une multitude de navires communicant selon le protocole d'identification AIS. L'étude démontre un facteur d'accélération de $\times 654$ par rapport à l'exécution purement logicielle, et permet d'esquisser un flot de conception adapté au domaine de l'émulation de tels systèmes sur FPGAs.

28. Ordonnancement optimisé pour architecture hétérogène CPU/FPGA Camel Camel, Camille Diou, Loic Sieler. p. 485-488 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons un modèle de programmation linéaire pour le problème d'ordonnancement de tâches dans une architecture hétérogène CPU/FPGA prenant en compte le parallélisme intrinsèque FPGA et les délais de communication hétérogènes. L’objectif est d’exécuter dans une structure MPSoC, une application décrite sous forme d’un graphe de flot de données en cherchant à minimiser la longueur de l’ordonnancement Cmax (makespan). Les résultats de simulation montrent que le modèle proposé fournit des solutions optimales d’ordonnancement de tâches tout en améliorant significativement le temps d'exécution par rapport à des travaux similaires.

29. Premiers résultats de comparaison des outils oneAPI et OpenCL pour la convolution 2D sur FPGA Daouda DIAKITE, Nicolas GAC. p. 489-492 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Grâce aux outils de synthèse de haut niveau (HLS), les FPGA sont devenus une alternative aux GPU pour les applications à forte intensité de calcul. Ces outils ont été développés pour offrir une certaine flexibilité dans la conception des FPGA à un niveau d'abstraction plus élevé par rapport aux langages de description matérielle. Les principaux fabricants de FPGA ont proposé de nombreux outils HLS en fonction du public cible. Ce papier s'attache à comparer les outils HLS oneAPI et OpenCL en termes de performance et de productivité avec comme cas d'étude l'accélération de l'opérateur de convolution 2D. Pour des mêmes types d'optimisations (déroulage de boucle, utilisation de la mémoire locale), les performances obtenues pour les deux outils y sont présentées.

30. Une architecture de radio logicielle faible latence et basse consommation pour l'audio sans fil haute qualité Robin GERZAGUET, Olivier Etrillard, malo Mabon, Laurent Feichter, Antoine Courtay, Olivier Berder. p. 493-496 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons une nouvelle architecture de radio logicielle flexible, basse consommation, faible latence. Cette architecture s'appuie sur un microcontrôleur couplé à un coprocesseur réalisant une transformée de Fourier rapide, un FPGA et un émetteur-récepteur radio fréquence. Pour montrer l'intérêt d'une telle structure, nous proposons et caractérisons une couche physique dédiée à la transmission sans fil d'audio haute qualité et montrons que notre système tourne en temps réel avec un bilan énergétique réduit (437mW pour le récepteur) et une latence de bout en bout très faible (854 µs).

31. Plateforme d’imagerie pour prototypage rapide de système de traitement d’image multimodal Sébastien MARTIN, Charles Elie GOUJON, Gilles Gilles, Sandra TOCHON. p. 497-500 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce papier décrit la plateforme d’imagerie développée par le LETI dans le cadre du projet SystemLab permettant le prototypage rapide de système d’imagerie multimodal. Cette plateforme a pour objectif de faciliter, d’une part, la prise d’images multimodales dans un environnement contextuel donné et, d’autre part, la validation de l’intérêt des capteurs d’image mis à disposition par nos partenaires industriels pour le développement de nouveaux projets où l’imagerie pourrait amener une solution ou un apport technique.

32. Mobileflow : modèle et mise en œuvre pour une inférence de flot optique efficace Mickaël Seznec, Agathe Archet, Nicolas Gac, François Orieux, Alvin Sashala Naik. p. 501-504 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Estimer le flot optique entre deux images est une application particulièrement coûteuse en ressources de calcul et de temps. Cela pose notamment problème pour des déploiements temps-réel sur des plateformes embarquées, où les solutions algorithmiques doivent être légères, rapides et rester performantes. Ainsi, nous proposons MobileFlow, un réseau de neurones convolutif allégé, basé sur PWC-Net et MobileNetV2. Ce réseau est plus performant (- 12% sur l’EPE, ou l’EndPoint Error), plus compact (-91% de poids de paramètres) et plus rapide (+ 14% FPS en précision fp32 ) que PWC-Net sur le dataset Flying Chairs.

33. Gestion orienté qualité d’expérience de systèmes embarqués reconfigurables par réutilisation de modules Alexis Duhamel, Sébastien Pillement, Wiem Kouki. p. 505-508 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La reconfiguration dynamique partielle des FPGA permet l'exploitation d'accélérateurs matériels échangeables en ligne. Dans le but de rendre ces systèmes les plus efficaces possibles, le partitionnement et l'ordonnancement d'applications à moindre coût sur ces ressources de calcul sont cruciaux. Dans cet article, nous proposons une méthode permettant de réutiliser des modules reconfigurables déjà instanciés lors d'amélioration ou de dégradation de paramètres qualités d'une application. Les résultats montrent que l'approche est capable de réutiliser les modules déjà implémenté pour réduire la latence entre modes d'exécution, tout en maintenant un haut niveau de qualité d'expérience.

34. Reconstruction de phase polarimétrique Julien Flamant, Konstantin Usevich, Marianne Clausel, David Brie. p. 509-512 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article introduit un nouveau modèle pour la reconstruction de phase polarimétrique qui permet la prise en compte de l’information de polarisation dans les problèmes de reconstruction de la phase en optique. Nous fournissons une caractérisation complète des propriétés d’unicité de ce nouveau modèle en exploitant les équivalences avec un problème de factorisation de polynômes. Deux catégories de méthodes de reconstruction, algébriques et itératives, sont proposées. Leur pertinence est illustrée sur une expérience de reconstruction en contexte bruité.

35. Synthèse temps-échelle de signaux non stationnaires Adrien Meynard, Bruno Torrésani. p. 513-516 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous développons une approche probabiliste « à la synthèse » temps-échelle pour modéliser des signaux localement stationnaires. Inspiré de nos précédents travaux, le modèle se caractérise par des translations le long l'axe des échelles des coefficients d'ondelettes au cours du temps. Nous proposons un estimateur du maximum a posteriori de la translation d'échelle et du spectre de puissance sous-jacent. Nous montrons que le modèle peut gérer des signaux à fréquence rapide, et fournir des représentations temps-échelle plus concentrées que le synchrosqueezing.

36. Résolubilité du positionnement GNSS multi-agents Colin Cros, Christophe Prieur, Pierre-Olivier Amblard, Jean-François Da Rocha. p. 517-520 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les conditions pour qu'un problème de positionnement par satellites puisse être résolu restent encore mal comprises dès lors qu'il y a plus d'un récepteur coopérant. Cet article présente un critère pour qu'un tel problème soit résoluble dans le cas où les récepteurs peuvent mesurer leurs distances, leurs écarts de biais et leurs pseudo-distances. Nous introduisons pour cela les structures mixtes dont nous étudions la rigidité. Notre critère se base sur une décomposition de ces structures et rend la résolubilité de ces problèmes bien plus intelligible.

37. Analyse Multifractale des données physiologiques de marathoniens Guillaume Saës, Wejdene Ben Nasr, Stéphane Jaffard, Florent Palacin, Véronique Billat. p. 53-56 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons une analyse de la fréquence cardiaque de marathoniens, mise en œuvre par le calcul de spectres multifractals basés sur les p-exposants ; nous en déduisons des conclusions physiologiques sur leurs performances. Cette analyse permet de mettre en évidence les perturbations de l’autorégulation de la fréquence cardiaque au cours du marathon, ce qui n’a été observé pour le moment que par des échelles de ressenti des marathoniens au cours de la course.

38. Variance Reduction for Inverse Trace Estimation via Random Spanning Forests Yusuf Yigit PILAVCI, Pierre-Olivier Amblard, simon barthelmé, Nicolas Tremblay. p. 525-528 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

The trace tr(q(L + qI)-1), where L is a symmetric diagonally dominant matrix, is the quantity of interest in some machine learning problems. However, its direct computation is impractical if the matrix size is large. State-of-the-art methods include Hutchinson’s estimator combined with iterative solvers, as well as the estimator based on random spanning forests (a random process on graphs). In this work, we show two ways of improving the forest-based estimator via well-known variance reduction techniques, namely control variates and stratified sampling. Implementing these techniques is easy, and provides substantial variance reduction, yielding comparable or better performance relative to state-of-the-art algorithms.

39. Unsupervised Learning to Solve Inverse Problems: Application to Single-Pixel Imaging Julian Tachella, Dongdong Chen, Mike Davies. p. 529-532 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ces dernières années, les approches basées sur l'apprentissage profond ont obtenu des performances de pointe pour solutionner de nombreux problèmes d'imagerie inverse allant de l'imagerie médicale à la photographie computationnelle. Ces méthodes nécessitent généralement des paires de signaux et mesures pour l'apprentissage. Cependant, pour divers problèmes d'imagerie, nous avons généralement accès qu'à des mesures comprimées des signaux sous-jacents, rendant l'approche basée sur l'apprentissage compliquée, voire impossible car les observations compressées ne contiennent pas d'information dans l'espace nul de l'opérateur de détection directe. Le récent cadre d'imagerie équivariante surmonte cette limitation en exploitant l'invariance aux transformations (translations, rotations, etc.) présentes dans les signaux naturels. Dans cet article, nous exploitons ce nouveau cadre d'apprentissage non-supervisé pour reconstruire des données d'une camera mono-pixel à partir de mesures compressées uniquement. Une série d'expériences montre que la méthode proposée a des performances comparables à celles de l'approche supervisée standard.

40. S3LAM: SLAM à Scène Structurée Mathieu Gonzalez, Eric Marchand, Amine Kacete, Jérôme Royan. p. 533-536 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons un nouveau système de SLAM (Simultaneous Localization And Mapping) qui utilise la segmentation sémantique des images. La segmentation sémantique présente un intérêt car elle contient une information haut niveau pouvant rendre plus précis le SLAM. Notre contribution est double : i) un système de SLAM basé sur ORB-SLAM2 capable de créer une cartographie sémantique. ii) Une modification de l’algorithme d’ajustement de faisceaux pour contraindre la position des points 3D de la cartographie en utilisant des a priori géométriques. Nous évaluons notre approche sur plusieurs jeux de données publics et montrons que notre approche améliore l’estimation de pose de caméra en comparaison de l’état de l’art.

41. Fully Deep SORT: Réidentification par mécanisme d'attention sans apprentissage explicite de similarité Abdelbadie Belmouhcine, Julien Simon, Luc Courtrai, Sébastien Lefèvre. p. 537-540 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La plupart des méthodes de suivi d'objets multiples qui existent considèrent la détection et la réidentification comme deux étapes distinctes. Par conséquent, la réidentification ne peut pas tirer bénéfice de l'emplacement des objets et se base uniquement sur leurs apparences, causant ainsi des fusions d'ID lorsque les objets sont très similaires. Lors de l'utilisation d'un modèle de mouvement ou d'un réseau récurrent de prédiction de déplacement pour délimiter la zone de recherche et surmonter le problème des fusions d'ID, la croissance de l'incertitude survenant lorsque ces modèles ne sont pas mis à jour conduit souvent à des changements d'ID. Dans cet article, nous abordons ces problèmes et proposons d'utiliser le même modèle pour la détection et la réidentification en utilisant l'attention entre les caractéristiques de deux images. Ainsi, le réseau peut faire des prédictions de mouvement sans fournir de descripteur d'apparence pour le calcul d'une similarité apprise, éliminant alors le besoin d'un modèle de prédiction de mouvement et rendant le suivi entraînable de bout en bout. Nos résultats expérimentaux valident nos contributions et montrent que notre Fully DeepSORT réduit considérablement le nombre de changements et de fusions d'ID. De plus, notre modèle est plus résistant aux variations de laps de temps entre deux images successives, ce qui améliore les résultats du suivi.

42. Élagage de réseaux profond de neurones par dégradation sélective des pondérations Hugo Tessier, Vincent Gripon, Mathieu Leonardon, Matthieu Arzel, Thomas Hannagan, David Bertrand. p. 541-544 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les réseaux de neurones profonds sont le standard incontournable de l’apprentissage automatique. Cependant, pour atteindre les meilleures performances, ils requièrent des millions de paramètres entraînables, résultant en des architectures lourdes en calculs et en mémoire, et donc peu adaptées à certains contextes applicatifs comme l’embarqué. L’élagage des paramètres pendant l’entraînement est une méthodologie fréquemment mise en œuvre pour réduire ces coûts, mais il induit de nouveaux problèmes : effondrement soudain des performances à fort taux d’élagage, discontinuités entre les phases de l’entraînement... Dans ce papier nous introduisons la Pénalisation Sélective des Pondérations (PSP), une méthode inspirée du lissage lagrangien et permettant un élagage progressif et continu pendant l’entraînement. Nous montrons sur des jeux de données standards la capacité de cette méthode à atteindre les meilleures performances, notamment aux plus forts taux d’élagage.

43. Réseaux de Neurones Légers et Modulaires pour le Transfert de Styles à Deux Échelles Thibault DURAND, Julien RABIN, David TSCHUMPERLE. p. 545-548 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Notre travail propose une approche originale pour le transfert de plusieurs styles. Nous utilisons deux architectures modulaires, légères et complémentaires de réseaux neuronaux permettant chacune de transférer les caractéristiques d’une image de style à une échelle donnée. Ainsi, nous permettons, par assemblage, la combinaison de structures larges d’une première image de style avec les détails fins d’une seconde image de style. Ce problème est à distinguer du principe de mélange de styles qui fusionne les styles à différentes échelles sans en préserver les caractéristiques individuelles.

44. Une brève histoire du temps-fréquence Patrick Flandrin. p. 549-552 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'analyse temps-fréquence a connu des développements importants dans la deuxième moitié du XXème siècle. On en explicite ici brièvement les étapes historiques principales, en croisant des approches venues de la physique, des mathématiques et des sciences de l'information.

45. Les grandes matrices aléatoires : un aperçu historique Walid HACHEM. p. 553-556 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article est une présentation historique très succincte de la théorie des grandes matrices aléatoires et de ses applications en traitement du signal, en communications numériques et en apprentissage statistique.

46. La véritable (et méconnue) théorie de l'information de Shannon Olivier Rioul, Julien Béguinot, Victor Rabiet, Antoine Souloumiac. p. 557-560 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Claude Shannon, qui a posé les bases de la célèbre théorie de l'information en 1948, préférait parler de théorie de la communication. Dans un article de 1953, il a proposé une nouvelle approche de l'information et de sa structure en treillis. Cela n'a étonnamment eu qu'un très faible écho. Nous rappelons brièvement les traits principaux de cette théorie et les caractéristiques qui pourraient en expliquer l'oubli, et nous envisageons enfin les développements intéressants qu'elle pourrait susciter.

47. Une famille de représentations covariantes de signaux discrets et son application à la détection de signaux à partir de leurs zéros Barbara Pascal, Rémi Bardenet. p. 57-60 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans un précédent article, nous introduisîmes une représentation covariante qui s'applique aux signaux discrets, et fait intervenir les fonctions de Kravchuk symétriques, associées à la loi binomiale de paramètre p = 0,5. Dans le présent article, nous montrons qu'étendre la définition à p dans ]0, 1[ revient à considérer la même représentation, à une rotation près dans l'espace des phases, qui est la sphère. L'effet de ces rotations est illustré sur une stratégie de détection de signal à partir de la distribution des zéros de la transformée de Kravchuk.

48. Tenseur d’Information de Fisher et Capacité Calorifique : les équations générales de la thermodynamique de Pierre Duhem et Jean-Marie Souriau Frédéric BARBARESCO. p. 561-564 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

– Nous établirons les liens intimes unissant la notion de tenseur de Fisher, utilisé en géométrie de l’information pour définir une métrique dans l’espace des paramètres des densités de probabilités, et la notion de capacité calorifique en thermodynamique. Nous commencerons par rappeler le modèle de la « thermodynamique des groupes de Lie » du physicien Jean-Marie-Souriau qui a défini un modèle symplectique de la physique statistique, généralisant la métrique de Fisher dans le cadre d’une thermodynamique covariante, et a prouvé le lien entre tenseur de Fisher et capacité calorifique, auxquels il a donné une structure géométrique. Dans la seconde partie, nous développerons les équations générales de la thermodynamique de Pierre Duhem, théorie « énergétique », qui détaille l'enchaînement analytique de la Théorie mécanique de la chaleur, en généralisant la notion de capacité calorifique à la mécanique. A partir du potentiel thermodynamique introduit par François Massieu, Duhem détermine les conditions d'équilibre du système, l’énergie, l’entropie et les coefficients calorifiques du système en équilibre, en sorte que l’étude mécanique et thermique du système en équilibre soit complète.

49. Changer de métrique: vers un traitement du signal convivial? Romain Couillet. p. 565-568 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Résumé – Les figures de mérite en traitement du signal, comme dans de nombreux autres domaines, sont ancrées dans une quête de performance (débit, efficacité spectrale, taux d’erreur, etc.). Dans une ère où les ressources physiques et le niveau de viabilité de la planète s’épuisent, cette course à la performance accroit les risques d’effondrement soudain de technologies spécifiques, et de l’ensemble de la société thermo-industrielle. Cet article ouvre une réflexion sur de nouveaux critères d’évaluation des solutions technologiques du traitement du signal, en s’appuyant sur les travaux d’Ivan Illich et particulièrement sur la notion de convivialité, ainsi que sur des exemples concrets de cas d’études ayant pris avec succès le virage de la technologie conviviale. Abstract – The figures of merit in signal processing, as in other domains, seek performance (rate, spectral efficiency, error rates, etc.). In an era of decaying ressources and planet viability, this race for performance increases the risks of a sudden collapse of technologies and of the whole thermo-industrial society. The article opens a debate on new criteria to evaluate technological solutions from signal processing, based on the works of Illich and the notion of conviviality, as well as on concrete successful case studies.

50. Communication stratégique via le réseau Gray-Wyner Rony BOU ROUPHAEL, Maël LE TREUST. p. 573-576 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous considérons un jeu de communication stratégique décentralisé dans lequel un encodeur communique à travers le réseau de Gray-Wyner en direction de deux décodeurs. Les trois appareils poursuivent des objectifs distincts, capturés par des fonctions de coût différentes. L'encodeur sélectionne et annonce au préalable le schéma de compression qu'il met en œuvre. Trois messages sont transmis: un message public et un message privé à chaque décodeur. Les décodeurs réactualisent leurs croyances Bayésiennes et sélectionnent les suites d'action optimales pour leurs propres fonctions de coût. Nous déterminons des bornes inférieure et supérieure au coût minimal de long terme de l'encodeur qui tient compte des contraintes d'incitation des deux décodeurs. Ces bornes coïncident lorsque la fonction de coût de l'encodeur est séparable.

51. Adaptation de domaine pour l'analyse forensique d'images Rony Abecidan, Vincent Itier, Jérémie Boulanger, Patrick Bas. p. 585-588 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce papier étudie une stratégie d'adaptation de domaine non-supervisée appliquée à l'analyse forensique d'images. Pour réaliser l'analyse forensique, l'opérateur dispose d'une base source de données étiquetées permettant l'entraînement d'un modèle. Dans un contexte opérationnel, il est commun de devoir travailler sur une base cible de données non-étiquetées, provenant d'une distribution différente de celle de la source, ce qui dégrade les performances du modèle. Nous souhaitons donc généraliser l'apprentissage d'un modèle forensique réalisé sur une base source à une base cible. Pour atteindre cet objectif, il est courant de rechercher un espace où ces deux distributions sont similaires. En se basant sur cette nouvelle représentation des données, on peut alors initier un transfert d'apprentissage depuis la source vers la cible. Cette recherche d'espace invariant peut se faire via une rétro-propagation du gradient sur un coût d'adaptation bien choisie, représentant une distance entre les deux distributions projetées. Attirés par la simplicité de cette stratégie, nous avons décidé de la tester sur un détecteur de manipulations visuelles entraîné pour une situation réaliste.

52. Méthodes proximales multi-niveaux pour la restauration d'images Guillaume Lauga, Elisa Riccietti, Nelly Pustelnik, Paulo Gonçalves. p. 589-592 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente une nouvelle méthode pour mettre en oeuvre un algorithme forward-backward multi-niveau. En utilisant l'enveloppe de Moreau pour construire la correction apportée par les modèles grossiers, facilement calculable lorsque l’on connaît sous forme explicite l’opérateur proximal des fonctions considérées, nous reformulons les algorithmes proximaux multi-niveaux précédemment introduits dans la littérature sous une forme plus simple, tout en en conservant les performances. Nous montrons la convergence des itérées vers un minimum dans le cas convexe, résultat fondamental pour des problèmes mal posés. Nous validons l'approche sur des problèmes de restauration d'image de grande taille.

53. Une version polyatomique de l'algorithme Frank-Wolfe pour résoudre le problème LASSO en grandes dimensions Adrian Jarret, Matthieu Simeoni, Julien Fageot. p. 593-596 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous nous intéressons à la reconstruction parcimonieuse d'images à l'aide du problème d'optimisation régularisé LASSO. Dans de nombreuses applications pratiques, les grandes dimensions des objets à reconstruire limitent, voire empêchent, l'utilisation des méthodes de résolution proximales classiques. C'est le cas par exemple en radioastronomie. Nous détaillons dans cet article le fonctionnement de l'algorithme Frank-Wolfe Polyatomique, spécialement développé pour résoudre le problème LASSO dans ces contextes exigeants. Nous démontrons sa supériorité par rapport aux méthodes proximales dans des situations en grande dimension avec des mesures de Fourier, lors de la résolution de problèmes simulés inspirés de la radio-interférométrie.

54. Screen & Relax: Accélérer la résolution du problème “Elastic-Net” par identification du support de la solution Theo Guyard, Cedric HERZET, Clément Elvira. p. 597-600 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous proposons une procédure pour accélérer la résolution du problème “Elastic-Net”. Notre méthode est basée sur l’identification partielle du support de la solution, permettant une reformulation du problème original en un problème de dimension réduite. Cette identification s’appuie sur le concept de “relaxing” qui peut être considéré comme une approche duale de la méthodologie de “screening”.

55. Estimation de la fonction de structure d'un processus ponctuel pour l'étude d'hyperuniformité Diala Hawat, Guillaume Gautier, Rémi Bardenet, Raphaël Lachièze-Rey. p. 61-64 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Un processus ponctuel hyperuniforme est un nuage de points aléatoires réparti très régulièrement. Cette propriété a des applications en intégration numérique comme en physique des matériaux. Nous proposons une courte revue des estimateurs de la fonction de structure, une quantité spectrale qui caractérise l'hyperuniformité. Ces estimateurs sont disponibles dans un paquet Python appelé structure-factor.

56. Techniques d’accélération d’une méthode de Branch-and-bound pour l’optimisation parcimonieuse Gwenaël Samain, Sébastien Bourguignon, Jordan Ninin. p. 601-604 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les problèmes d'ajustement de modèles de faible cardinalité ont trouvé de nombreuses applications en statistique, en finance et en traitement du signal. Au sein de ces problèmes, nous nous intéressons au problème de l'ajustement par moindres carrés, pénalisé par la cardinalité de la solution. Nous utilisons un algorithme branch-and-bound pour trouver l'optimum global de ce problème NP-complet. Au sein de cet algorithme, les bornes inférieures évaluées à chaque nœud sont calculées par la résolution de problèmes en norme $\ell_1$, qui disposent d'une large panoplie de méthodes dédiées. Dans cette communication, nous exposons deux techniques exploitant la dualité convexe pour, d'une part, éviter de résoudre certains problèmes de relaxation jusqu'à l'optimalité, permettant d'accélérer le calcul des bornes inférieures, et d'autre part réduire la dimension de ces problèmes par une stratégie de screening. Une étude expérimentale valide la pertinence de ces techniques pour réduire le temps de calcul.

57. Node-screening pour le problème des moindres carrés avec pénalité l0 Theo Guyard, Cedric HERZET, Clément Elvira, Ayse Nur Arslan. p. 605-608 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous présentons une nouvelle méthode de node-screening permettant d’accélérer un algorithme de Branch and Bound (BnB) résolvant le problème des moindres carrés avec pénalité l0. Notre contribution est un ensemble de tests permettant de détecter des solutions réalisables qui ne peuvent pas être optimales. Cela permet d’élaguer des nœuds au cours du BnB, réduisant ainsi le temps de résolution.

58. Apprentissage robuste de distance par géométrie riemannienne Antoine Collas, Arnaud Breloy, Guillaume Ginolhac, Chengfang Ren, Jean-Philippe Ovarlez. p. 609-612 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’apprentissage de distance propose d’optimiser la distance de Mahalanobis pour des problèmes de classification. Plusieurs algorithmes associés à ce problème s’interprètent comme des estimateurs d’une matrice de covariance. Partant de ce constat, nous proposons un nouveau problème d’estimation appelé Robust Geometric Metric Learning (RGML) qui vise à estimer une matrice de covariance par classe et leur barycentre riemannien. Deux algorithmes associés à ce problème d’estimation sont développés : RGML gaussien et RGML Tyler. Ces algorithmes optimisent deux fonctions de coût sur la variété riemannienne des matrices symétriques définies positives et sa sous-variété à déterminant unitaire. Enfin, les algorithmes proposés sont appliqués sur des jeux de données réels. De bonnes performances ainsi qu’une robustesse aux données mal étiquetées sont obtenues.

59. Combinaison optimale de classifieurs binaires : solution logique sans algorithme et minimisation de risques convexifiés. Olivier LAFITTE, Jean-Marc BROSSIER. p. 613-616 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Une idée classique en apprentissage supervisé consiste à calculer un classifieur fort en combinant des classifieurs faibles, ADABOOST en est une implémentation. Nous étudions ce problème dans le cas particulier de trois classifieurs et de deux classes en introduisant une représentation originale du coût basée sur une table de vérité. Cette approche permet d'identifier directement le classifieur résultant (et de calculer sa performance) sans avoir besoin d'exécuter un algorithme numérique. D'autre part, les substituts convexes étant très largement utilisés, quelques-uns ont été comparés avec cette approche, et les différences entre les classifieurs résultants, la robustesse de ces résultats ainsi que ceux de la méthode logique sont explorés.

60. Compressive Clustering with an Optical Processing Unit Luc Giffon, Rémi Gribonval. p. 617-620 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons une procédure de sketching pour le clustering compressif utilisant des processeurs optiques (OPU) pour calculer les composantes de Fourier aléatoires. Cette procédure fait intervenir une stratégie novatrice qui permet de choisir efficacement l'échelle du sketch.

61. Génération de modèles graphiques Sophie Achard, Irène Gannaz, Kévin Polisano. p. 629-632 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous étudions la répartition des valeurs de corrélation obtenues à partir de l'algorithme de Cordoba et al. pour différentes structures de graphes. Nous mettons en lumière un biais possible de l'algorithme et la difficulté à simuler des valeurs similaires à des données réelles.

62. Stratégie de détection des Falsifications des Positions des Messages AIS Basée sur l'Application du Filtre IMM Maelic LOUART, Jean-Jacques SZKOLNIK, Abdel BOUDRAA, Jean-Christophe Le Lann, Frédéric LE ROY. p. 633-636 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le système d'identification automatique (AIS) améliore la sécurité et le contrôle du trafic maritime en permettant aux navires d'échanger des informations de navigation entre eux et avec les stations de contrôle terrestre. Cependant, l'AIS n'étant pas sécurisé, les positions envoyées peuvent être facilement falsifiées. Dans cet article, nous présentons une stratégie de détection des falsifications des positions des navires qui applique un filtre à modèles multiples interactifs. Les résultats obtenus sur des données AIS réelles et simulées montrent l'efficacité de cette stratégie pour ce type d'application.

63. Achievable rate regions for cooperative cognitive radio networks with complex channels and circular normal additive noises Anne SAVARD, E. Veronica Belmega. p. 65-68 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous dérivons les régions de débit atteignables pour un système de radio cognitive coopératif composé d’une liaison licenciée et d’une liaison opportuniste, qui est aidée par un relais full-duplex utilisant CF ou DF, lorsque tous les canaux sont complexes et les bruits sont supposés suivre une distribution normale circulaire.

64. Synthèse non supervisée d'images ceCT-CT sous contrainte anatomique Giammarco La Barbera, Haithem Boussaid, Francesco Maso, Sabine Sarnacki, Laurence Rouet, Pietro GORI, Isabelle BLOCH. p. 641-644 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La segmentation de certaines structures anatomiques dans des images CT avec contraste (ceCT) peut être difficile à cause de la variabilité de la diffusion du produit de contraste. L'utilisation combinée d'images CT et ceCT atténue cette difficulté, mais au prix d'une exposition doublée aux rayonnements. Le remplacement d'une des acquisitions CT par des modèles génératifs permet de maintenir la performance de segmentation, en limitant les doses de rayons X. Nous présentons une extension de CycleGAN pour générer de telles images, à partir de bases d'apprentissage d'images non appariées, où des contraintes anatomiques sont introduites par sélection automatique de la région d'intérêt et par utilisation du score d'un Self-Supervised Body Regressor, qui améliore la sélection d'images anatomiquement appariées entre les deux domaines CT et ceCT, et renforce la cohérence anatomique. Les résultats montrent des améliorations qualitatives et quantitatives par rapport aux méthodes existantes.

65. Transfert de style d'images par mise en correspondance multi-échelle et contrainte de patchs Benjamin Samuth, David Tschumperlé, Julien Rabin. p. 645-648 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Depuis l’avènement des réseaux de neurones convolutifs, les algorithmes de transfert de style entre images se sont considérablement améliorés. Cependant, ces méthodes requièrent souvent un temps d’apprentissage relativement long. Pour cette raison, des approches de traitement d’images sans apprentissage, utilisant des algorithmes à « patchs », ont récemment été proposées, cherchant à rivaliser esthétiquement avec les méthodes neuronales. Nous proposons ici une avancée dans cette direction, en introduisant une nouvelle méthode de transfert de style qui utilise une version contrainte et multi-échelle de l’algorithme de mise en correspondance de patchs PatchMatch, de manière à privilégier un échantillonnage uniforme des patchs de caractéristiques du style à différentes résolutions. Notre méthode permet par ailleurs d’associer avantageusement les paradigmes des méthodes à patchs et des réseaux de neurones en combinant la projection de patchs de couleurs selon la métrique de l’espace perceptuel défini par un réseau de neurones.

66. Pairwise Markov Chains as Generative Models Katherine Morales Quinga, Yohan Petetin. p. 649-652 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Generative models such as the Hidden Markov Chain, the Recurrent Neural Network, and the Stochastic Recurrent Neural Network have found many applications with sequential data. In this paper, we focus on a particular extension of these models, the Pairwise Markov Chain. We propose this model as a generative model with a parameter estimation algorithm based on a variational Bayesian approach. We also analyze the particular linear and Gaussian case, where it is possible to characterize the generative distribution. Finally, we show that our model with its associated algorithm outperforms other generative models.

67. Apprentissage mono-image contraint pour la super-résolution Pierrick Chatillon, Yann Gousseau, Sidonie Lefebvre. p. 653-656 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les méthodes basées sur l'apprentissage profond pour la super-résolution (SR) ont été récemment l'objet de nombreux travaux. En particulier, plusieurs articles ont montré que l'étape d'apprentissage peut être effectuée sur une seule image (approches dites internes). La méthode SinGAN est l'une de ces contributions, où la distribution des patchs de l'image est apprise sur l'image en entrée et propagée à des échelles plus fines. Il existe des situations dans lesquelles des a priori statistiques peuvent être supposés pour l'image finale. En particulier, de nombreux phénomènes naturels produisent des images ayant un spectre de Fourier décroissant selon une loi de puissance, comme les nuages et autres images de texture. Dans cet article, nous montrons comment de telles informations a priori peuvent être intégrées dans une approche de super-résolution interne, en contraignant la procédure d'échantillonnage de SinGAN. Nous démontrons par diverses expériences que ces contraintes sont effectivement satisfaites, mais aussi que certaines mesures de qualité peuvent être améliorées par l'approche proposée.

68. Détection d'épilepsie dans les signaux EEG par graphe de visibilité et un noyau de SVM adapté Tristan Averty, Delphine Daré - Emzivat, Abdel BOUDRAA. p. 657-660 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous présentons une stratégie de détection d’épilepsie à partir de signaux EEG (issus d’un seul capteur) basée sur l’algorithme de visibilité, qui consiste à transformer une série temporelle en un graphe dit de visibilité (GV). Nous montrons la pertinence de la distribution des degrés des sommets du GV, qui, combinée à une fonction noyau type Jensen-Shannon d’une machine à vecteurs de support (SVM) permet une classification binaire performante : présence ou absence d’une crise d’épilepsie. La méthode proposée est illustrée sur des données réelles et les résultats comparés à des méthodes de la littérature. Les résultats obtenus en termes de précision, de sensibilité et de spécificité sont similaires à ceux de la littérature voire meilleurs, et ce, en exploitant un seul attribut, à savoir la distribution des degrés du graphe.

69. Élagage de réseaux de neurones convolutifs sur graphes pour la sélection de fréquences significatives pour le décodage d'IRMf Yassine EL OUAHIDI, Hugo TESSIER, Giulia LIOI, Nicolas FARRUGIA, Bastien PASDELOUP, Vincent GRIPON. p. 661-664 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le traitement du signal sur graphe permet de manipuler des signaux évoluant sur des structures irrégulières, comme par exemple les signaux cérébraux, en exploitant les dépendances spatiales entre les régions d'intérêt dans le cerveau. Dans ce contexte, nous nous intéressons à mieux comprendre quelles sont les fréquences du graphe les plus utiles pour décoder des signaux d'Imagerie par Résonance Magnétique Fonctionnelle (IRMf). À cette fin, nous introduisons une architecture d'apprentissage profond et adaptons une méthode d'élagage pour identifier automatiquement ces fréquences. Nos expériences montrent que les basses fréquences des graphes sont systématiquement identifiées comme les plus importantes, avec une contribution plus forte pour le graphe fonctionnel que pour le graphe structurel.

70. Modélisation parcimonieuse de la dynamique spatio-temporelle de la connectivité fonctionnelle en IRMf cérébrale Axel Adam, Céline Meillier, Sophie Achard, Guillaume Becq, Argheesh Bhanot, Aurélie Leborgne. p. 669-672 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les analyses par fenêtres glissantes sur les signaux temporels IRMf des régions du cerveau ont montré que la connectivité fonctionnelle (CF) présentait une dynamique temporelle. Cependant la CF est définie à l'échelle du cerveau entier et ne permet pas une dynamique spatiale. Nous proposons une modélisation spatio-temporelle de la dynamique de la CF en introduisant la notion d'unité de connectivité fonctionnelle (UCF) et une décomposition parcimonieuse sur le dictionnaire d'UCF extraites des données elles-mêmes.

71. Une analyse de l’orthogonal least squares par la propriété d’isométrie restreinte en présence de signaux décroissants Jonathan Bosse. p. 673-676 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'orthogonal least squares (OLS) est un algorithme glouton très répandu pour l'approximation ou la reconstruction de signaux parcimonieux. Nous abordons ici le problème des conditions suffisantes de reconstruction exacte du support d'un signal via OLS en absence de bruit. Sur la base de l'inégalité de Wielandt généralisée, de nouvelles bornes sur la règle de sélection de l'OLS sont fournies qui permettent d'établir une condition suffisante sur la constante d'isométrie (RIC en anglais) du dictionnaire par une approche géométrique simple. Étant donné que ces nouvelles bornes prennent naturellement en compte la distribution d'amplitude du signal, elles permettent de dériver une nouvelle condition qui s'avère particulièrement pertinente lorsque l'amplitude du signal décroît.

72. Estimation de position en intérieur: une approche basée sur l'anti-développement et le filtre de Kalman étendu Roza CHERFI, Christophe PRIEUR, Nicolas LE BIHAN. p. 677-680 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente une méthode d’estimation de position en intérieur basée sur la combinaison d'un pré-filtrage et d’un filtre de Kalman étendu. Les résultats obtenus avec différents types de pré-filtrages sont présentés et comparés. Les conclusions principales suggèrent un impact perceptible du pré-filtrage sur le gain en performance de la méthode par rapport à l’état de l’art.

73. Achievable Rates and Machine Learning Detection of Faster than Nyquist Spectrally Efficient FDM Arsenia Chorti, David Picard. p. 69-72 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

We compare the capacity and achievable rate of uncoded faster than Nyquist (FTN) signalling in the frequency domain, also referred to as spectrally efficient FDM (SEFDM). We propose a deep residual convolutional neural network detector for SEFDM signals in additive white Gaussian noise channels, that allows to approach the Mazo limit in systems with up to 60 subcarriers. Notably, the deep detectors achieve a loss less than 0.4 − 0.7 dB for uncoded QPSK SEFDM systems of 12 to 60 subcarriers at a 15% spectral compression.

74. Détection de petites cibles par apprentissage profond et critère a contrario Alina Ciocarlan, Sylvie Le Hegarat-Mascle, Sidonie Lefebvre, Clara Barbanson. p. 681-684 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La détection de petites cibles est une problématique délicate mais essentielle dans le domaine de la défense, notamment lorsqu’il s’agit de différencier ces cibles d’un fond bruité ou texturé, ou lorsqu’elles sont de faible contraste. Pour mieux prendre en compte les informations contextuelles, nous proposons d’explorer différentes approches de segmentation par apprentissage profond, dont certaines basées sur les mécanismes d’attention. Nous proposons également d’inclure un module d’attention par canal au TransUnet, réseau à l’état de l’art, ce qui permet d’améliorer significativement les performances. Par ailleurs, le manque de données annotées induit une perte en précision lors des détections, conduisant à de nombreuses fausses alarmes non pertinentes. Nous explorons donc des méthodes a contrario afin de sélectionner les cibles les plus significatives détectées par un réseau entraîné avec peu de données.

75. Un algorithme MCMC distribué pour la résolution de problèmes inverses de grande dimension Pierre-Antoine Thouvenin, Audrey Repetti, Pierre Chainais. p. 697-700 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La résolution de problèmes inverses de grande dimension peut être abordée efficacement à l'aide d'algorithmes distribués. Dans la mesure où les techniques de simulation permettent d'obtenir simultanément estimateurs et intervalles de crédibilité associés, ce travail s'intéresse à l'utilisation d'une technique d'augmentation de modèle et d'algorithmes MCMC pour introduire un échantillonneur distribué. Par-delà l'architecture client-serveur communément utilisée dans la littérature, nous proposons un échantillonneur basé sur une architecture Single Program Multiple Data, pour laquelle une même tâche est affectée à l'ensemble des noeuds de calcul impliqués dans la résolution du problème. L'intérêt de cette approche est illustré dans le cadre d'un problème d'inpainting de grande taille basé sur un a priori de type variation totale.

76. Couplage Visuel Inertiel pour une navigation précise et robuste Gaëtan Chevrin, Sébastien Changey, David Monnin, Jean-Philippe Lauffenburger. p. 701-704 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous présentons une étude contribuant au développement d’un système de navigation visuo-inertiel ayant pour objectifs la précision, l’agnosticité au système mobile auquel il est appliqué et la robustesse aux erreurs de mesure des capteurs. Les méthodes visuelle et inertielle pouvant toutes deux être sujettes à des erreurs que l’autre méthode peut potentiellement compenser, nous présentons ici deux méthodes à couplage lâche pour tirer parti de ce constat ; un ”Error-State Kalman Filter” (ESKF) et un ”Multi Sensor Fusion Extended Kalman Filter” ( MSF-EKF). Les deux méthodes permettent des estimations correctes en cas de défaillance de la composante visuelle ou inertielle du système de navigation. Cependant, la méthode MSF-EKF s’est avérée plus efficace et plus polyvalente que la méthode ESKF.

77. Mélange de bruits et échantillonnage de posterior non log-concave Pierre Palud, Pierre Chainais, Franck Le Petit, Pierre-Antoine Thouvenin, Emeric Bron, Maxime Vono. p. 705-708 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce travail considère un problème inverse en astrophysique, qui consiste à estimer un ensemble de paramètres physiques à partir d’images multispectrales. Le modèle direct sous-jacent est une simulation numérique et le modèle d’observation mélange différentes sources de bruit. Ces caractéristiques donnent lieu à une fonction de log-vraisemblance non explicite et non concave. Nous en définissons une approximation qui permet de concevoir une méthode de Monte Carlo par chaîne de Markov (MCMC). L’échantillonneur obtenu fournit estimations ponctuelles et intervalles de crédibilité associés. L’approche proposée est suffisamment générale pour être appliquée à des problèmes inverses similaires.

78. Apprentissage multitâche en mélange gaussien: les bornes théoriques Minh-Toan Nguyen, Romain Couillet. p. 709-712 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous étudions un modèle de mélange gaussien d’apprentissage multitâche et calculons la performance optimale asymptotique de chaque tâche dans le régime des données de grande dimension. Dans le cas supervisé, nous dérivons un algorithme simple qui atteint la performance optimale. Notre analyse utilise la méthode des répliques issue de la physique statistique.

79. Une analyse par matrices aléatoires de l’apprentissage en ligne : traiter des grandes données avec des ressources mémoire limitées Hugo Lebeau, Romain Couillet, Florent Chatelain. p. 713-716 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente une analyse par matrices aléatoires du clustering sur des flux de données. En supposant que, du fait de limitations mémoire, l'on a accès qu'à un petit nombre de données, la matrice de Gram ne peut être calculée que partiellement. Dans un contexte où les données sont de grande dimension, on étudie sa distribution spectrale limite et ses valeurs et vecteurs propres isolés. Puis, on précise comment ces résultats permettent de réaliser un clustering spectral en ligne avec des garanties de performance théoriques. Des applications au clustering d'images confirment nos résultats.

80. Classification des signaux sEMG par une transformée temps-fréquence orthogonale et une méthode de réduction de dimension modifiée Somar Karheily, Ali Moukadem, Jean-Baptiste Courbot, Djaffar Ould Abdeslam. p. 717-720 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous nous intéressons à l'extraction de caractéristiques pour la classification des signaux électromyographiques de surface (sEMG). Pour cela, nous utilisons une version généralisée de la transformée en S discrète orthogonale (DOST), notée GDOST. Le vecteur ainsi produit subit une réduction de dimension selon la méthode MDS (multi-dimentional scaling) pour laquelle nous remplaçons la distance euclidienne par une distance invariante à la translation. Les résultats obtenus sont prometteurs, par comparaison avec l'utilisation de la DOST ou de MDS dans leurs versions classique. Ainsi, pour classer 17 mouvements, nous obtenons 97,56\% de classifications correctes.

81. Egalisation hybride des signaux FTN à faible complexité pour les systèmes acoustiques sous-marins Tarak Arbi, Benoit Geller. p. 73-76 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La transmission au-delà de la cadence de Nyquist (Faster-Than-Nyquist) est une technique prometteuse pour améliorer les débits des systèmes de communications sous-marins. Néanmoins, elle conduit inévitablement à des Interférences Entre-Symboles (IES) qui doivent être traitées efficacement afin d’obtenir de bonnes performances. Pour cela, cet article propose une nouvelle méthode de turbo-égalisation hybride des signaux FTN pour les systèmes de communications sous-marins. Contrairement à l’algorithme conventionnel d’égalisation hybride (HTFDE), avec la méthode proposée, chaque égaliseur opérant dans le domaine des fréquences (FDE) est suivi d’un algorithme permettant conjointement la synchronisation de la phase et l’égalisation adaptative dans le domaine temporel (TDE). Nos simulations, notamment sur des canaux sous-marins réels, montrent que notre méthode permet de meilleures performances que celles des méthodes conventionnelles.

82. Classification des signaux ECG par une transformée temps-fréquence optimisée et réseaux de neurones profonds Yacine Belguermi, Ali Moukadem, Jean-Baptiste Courbot. p. 721-724 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente une nouvelle approche pour la classification d'électrocardiogrammes (ECG) en 4 classes. Tout d'abord, le signal est segmenté en battements qui sont transformés en représentations temps-fréquence. Les images formées par le module des transformées temps-fréquence sont ensuite utilisées dans un réseau neuronal convolutif 2D (CNN) pour la classification. Trois transformations ont été utilisées et comparées en terme de taux de classification : la STFT (Short Time Fourier Transform), la ST (Stockwell Transform) et une ST optimisée. Les données utilisées pour l'apprentissage et le test sont obtenues à partir de deux bases de données de référence: MIT-BIH et INCART. Une précision de 99.72% est obtenue avec la ST optimisée sur un ensemble de test de réference, ce qui dépasse les résultats obtenus dans l'état de l'art.

83. Classification multi-tâches semi-supervisée en grande dimension Victor LEGER, Malik TIOMOKO, Romain Couillet. p. 725-728 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article propose un nouveau cadre pour l'apprentissage semi-supervisé multi-tâches. La méthode est justifiée par une analyse statistique de la performance sous l'hypothèse de données de grande dimension, et apporte une amélioration théorique permettant notamment d'éviter la limite classique du transfert négatif, en particulier grâce à l'utilisation d'étiquettes à valeurs flottantes. Ainsi, le travail ouvre la voie à la création d'algorithmes efficaces et appuyés par la théorie qui apprennent à partir de jeux de données hétérogènes et peu ou mal étiquetés, ce qui constitue un problème à la fois ambitieux et fréquent en apprentissage statistique.

84. Easily Interpretable, Non-parametric Sample Transformation for Classification Cedric Dubois, Irisson Jean-Olivier, Eric Debreuve. p. 729-732 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les CNNs (Réseaux de Neurones Convolutionnels) sont largement utilisés pour la classification supervisée. Bien que les réseaux eux-mêmes soient généralement vus comme des classifieurs, ce sont en fait des régresseurs optimisés pour approximer la relation entre les données brutes et p vecteurs prédéfinis de R^p jouant le rôle de représentants de classe, où p est le nombre de classes. La véritable classification est faite par un classifieur par plus proche voisin appliqué aux sorties du réseau. Malgré des performances de classification généralement très bonnes, les ANNs (Réseaux de Neurones Artificiels) ne sont pas toujours aussi simples à utiliser que les classifieurs classiques car ils nécessitent souvent de grandes quantités de données, une charge de calcul importante, et parfois une solide expérience pour être entraînés. Pourtant, le principe des ANNs (transformation des données d'entrée vers R^p, puis classification par plus proche voisin) est intéressant. Dans ce travail, nous proposons une alternative simple, facilement interprétable et nécessitant une charge de calcul modérée, et qui suit ce même principe. Elle repose sur une combinaison pondérée de translations idéales des échantillons d'apprentissage vers des vecteurs cibles prédéfinis. En raison de sa simplicité, elle ne peut pas traiter directement les données brutes comme le font les ANNs. Elle s'applique plutôt à des caractéristiques extraites. Expérimentalement, nous avons obtenu des performances de classification comparables à celles de classifieurs classiques, y compris sur une base de données réelle d'images de plancton.

85. Apprentissage supervisé à noyau basé sur la décomposition Canonique Polyadique (CP) Ouafae Karmouda, Jérémie Boulanger, Remy Boyer. p. 737-740 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les décompositions tensorielles sont un cadre très prometteur pour l'apprentissage automatique. Dans le contexte de l'apprentissage supervisé des données multidimensionnelles, certaines méthodes populaires de l'état de l'art utilisent la décomposition Canonique Polyadique (CP) de rang faible pour l'extraction de caractéristiques. L'une des méthodes la plus connue de la littérature, DuSK, exploite un noyau gaussien-euclidien (GE) entre les facteurs respectifs de la décomposition CP de 2 tenseurs et effectue une classification basée sur les machines à vecteurs de support (SVM). Malheureusement, dans cette méthode, le choix de la fonction noyau n'est pas en mesure de gérer les ambiguïtés inhérentes au modèle CP. Dans ce travail, nous montrons comment les ambiguïtés liées au modèle CP corrompent l'algorithme SVM. Cette faiblesse explique les mauvaises performances de classification du DuSK sur des jeux de données réels. Pour améliorer les performances de classification, nous proposons de modifier le choix du noyau en se basant sur la géométrie grassmannienne qui permet de gérer efficacement les ambiguïtés CP.

86. Apprentissage autosupervisé pour le despeckling d’images SAR avec MERLIN : application aux images Sentinel-1 Stripmap Emanuele Dalsasso, Loïc Denis, Florence Tupin. p. 741-744 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les fluctuations dues au phénomène de chatoiement sont un frein à l’interprétation des images acquises par un Radar à Synthèse d’Ouverture (RSO, aussi appelé SAR en anglais). Pour faciliter l’utilisation de ces images pour l’observation de la Terre, il est important de réduire le chatoiement. Nous décrivons ici MERLIN, une nouvelle méthode permettant d’entraîner de manière auto-supervisée un réseau neuronal convolutif pour la réduction de chatoiement exploitant la décomposition d’une image SAR complexe en partie réelle et imaginaire. Nous présentons l’adaptation de ce cadre aux images Sentinel-1 acquises en mode Stripmap.

87. Impact de perturbations internes sur l’entraînement de réseaux profonds pour la détection d’évènements sonores David Perera, Slim Essid, Gaël Richard. p. 745-748 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’apprentissage d’invariants est une méthode d’entraînement prometteuse pour les réseaux de neurones profonds, puisqu’elle permet à la fois de pallier le manque de diversité des bases de données disponibles, et de rendre les modèles entraînés plus interprétables. En pratique, l’apprentissage d’invariants passe souvent par l’utilisation d’augmentations de données et de coûts de consistance pénalisant la sensibilité d’un modèle à ces augmentations. Il n’existe cependant pas de consensus concernant la sélection de ces augmentations pour une tâche cible. Cet article étudie l’impact de plusieurs types d’augmentations sur l’entraînement d’un modèle de l’état de l’art, dans le cadre de la détection et de la classification d’évènements sonores. Nous montrons en particulier que la perturbation des représentations internes d’un réseau de neurones profond est bénéfique pour cette tâche.

88. Une comparaison des modèles d’apprentissage profond combinés avec des différentes stratégies pour la prédiction multi-étape des séries temporelles Zuokun OUYANG, Philippe RAVIER, Meryem JABLOUN. p. 749-752 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le problème de la prédiction des séries temporelles multivariées a suscité d’énormes recherches ces dernières années et de nombreux modèles d’apprentissage profond ont été proposés et prétendus efficaces dans différentes tâches. Néanmoins, la formulation des problèmes de ces modèles est ambiguë et ils ont été testés dans le cadre d’une simple stratégie à une étape d’avance, ce qui ne s’applique pas aux scénarios réels nécessitant une prédiction multi-étape. Dans cette communication, nous comparons les performances de trois modèles d’apprentissage profond bien connus pour la prédiction de séries temporelles (DA-RNN, LSTNet et TPA-LSTM) dans le cadre de quatre stratégies de prédiction multi-étape (One-Step-Ahead, Récursive, MIMO et MISMO). Nous menons nos expérimentations sur trois jeux de données (Beijing PM2.5, Electricity et Exchange Rate) avec trois horizons de prédiction (3, 6 et 12). Nos résultats révèlent que, avec la stratégie Récursive, ces modèles souffrent constamment d’erreurs accumulées et ne peuvent donc pas effectuer de véritables tâches de prédiction multi-étape. Cependant, en combinant soigneusement ces modèles avec la stratégie MI(S)MO, on peut résoudre ce problème et ainsi leur permettre d’effectuer la prédiction multi-étape.

89. Détection de Deepfakes par Réseaux de Convolution : Performances et Limites Actuelles Mohamed Mehdi Atamna, Iuliia Tkachenko, Serge Miguet. p. 753-756 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le perfectionnement des méthodes de trucage des visages (deepfakes en anglais) rend nécessaire le développement d’outils de détection efficaces. Même si les outils de détection les plus élaborés aujourd’hui-basés sur l’apprentissage profond-obtiennent de bons résultats, leur capacité à généraliser la détection à de nouveaux types de manipulations non rencontrés pendant l’entrainement reste très limitée. Dans cet article, nous réalisons une étude afin de montrer les performances ainsi que les limites des méthodes actuelles en évaluant XceptionNet, une architecture de l’état de l’art, sur un type de deepfakes non vu à l’entrainement et en utilisant t-SNE, un puissant outil de visualisation.

90. Détection non-cohérente des modulations CPM en présence d’un décalage Doppler Anouar Jerbi, Karine Amis - Cavalec, Frédéric Guilloud, Tarik Benaddi. p. 77-80 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous considérons la transmission d’un signal modulé à phase continue (CPM) sur un canal Gaussien affecté par un décalage Doppler. Nous proposons deux types de récepteurs robustes au Doppler, conçus à partir du même critère de détection non-cohérente : l’un basé sur une approximation linéaire du signal CPM, et l’autre sur son expression exacte. Les simulations montrent une robustesse du premier algorithme pour des décalages Doppler faibles à modérés, et du deuxième algorithme pour des décalages Doppler quelconques.

91. Super-résolution multi-images en IRM par approximation de Tucker couplée Clémence Prévost, Freddy ODILLE. p. 765-768 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce papier résout le problème de super-résolution à partir de plusieurs images IRM. Le problème de reconstruction est formulé comme une approximation multilinéaire tensorielle couplée. Nos résultats théoriques prouvent qu'il est possible de reconstruire exactement l'image à haute résolution. Nous proposons également un algorithme simple basé sur une régularisation de Tikhonov. Nos simulations sur données réelles illustrent les performances de cette approche, à un coût de calcul réduit par rapport à l'état de l'art. In this paper, we address the multi-frame super-resolution MRI problem. We formulate the reconstruction problem as a coupled tensor multilinear approximation. We prove that exact recovery of the high-resolution 3D isotropic image is achievable for a variety of multilinear ranks. We propose a simple algorithm based on Tikhonov regularization to perform the reconstruction. Our simulations on real datasets illustrates the good performance of the proposed approach, with a lower computation time than state-of-the-art methods.

92. Optimisation de l' échelle d’observation pour l’annotation d’image Mathis Cordier, Pejman Rasti, Cindy Torres, David Rousseau. p. 769-772 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’annotation des données constitue aujourd’hui un goulot d’ étranglement au développement de l’apprentissage machine supervisé. En effet, nous disposons de modèles très efficaces et de capacités de calcul suffisamment importantes pour entrainer ces modèles. En revanche, il est compliqué d’obtenir des bases de données annotées suffisamment importantes pour ceux-ci, d’autant plus lorsque l’annotation nécessite d'être faite par un expert du domaine. Dans le cadre de détection de symptômes de maladie sur des plantes, nous avons besoin que ces annotations soient faites par des spécialistes et mettons en place des campagnes d’annotation auprès de ces derniers. Nous cherchons alors un moyen de rendre ces campagnes d’annotation plus efficaces, en réduisant le temps d’annotation des images pour les spécialistes et en diminuant ainsi leur fatigue. Nous montrons dans cette communication l’existence d’une échelle optimale d’observation pour ces annotations. Notre approche empirique est fondée sur l’analyse statistique de signaux issus d’eye-tracker. Elle ouvre la voie à des questionnements plus méthodologiques.

93. Estimation de ligne de base de capteurs d'humectation : intégration et minimum locaux à différentes échelles Jean-Yves Baudais, Melen Leclerc, Christophe Langrume. p. 773-776 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les capteurs diélectriques d'humectation sont utilisés en agriculture pour détecter la présence d'eau déposée sur le feuillage et prédire le risque de développement de maladies. Le signal électrique mesuré présente une dérive du niveau de base qui vient biaiser les alertes. Nous proposons une méthode d'estimation de cette ligne de base exploitant la norme L1 et sélectionnant des minimums locaux à une échelle d'observation. Les performances de l'estimateur sont évaluées sur des données simulées et comparées à celles des estimateurs de la littérature.

94. SVETLANA: UN CLASSIFIEUR DE SEGMENTATION POUR NAPARI Clément Cazorla, Pierre Weiss, Renaud Morin. p. 777-780 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous présentons un plugin Napari intitulé SVETLANA (Su- perVised sEgmenTation cLAssifier for NapAri), et dédié à la classification manuelle ou automatique de résultats de seg- mentation en imagerie bio-médicale. De nombreux logiciels libres permettent aujourd’hui de segmenter automatiquement des objets complexes en 2D et 3D, tels que des cellules en biologie. Cependant, l’analyse ultérieure des résultats demeure inaccessible aux personnes non spécialisées. Ce plugin permet de choisir, d’entraı̂ner et d’utiliser un réseau de neurones de classification tel qu’un ResNet. Ce dernier peut alors être utilisé comme un outil de post-traitement pour améliorer la segmentation, ou comme un classifieur pour diverses tâches (par exemple, la séparation de différentes populations cellulaires). Dans ce papier, nous décrivons ce plugin et l’appliquons à divers problèmes concrets de biologie cellulaire en imagerie 2D, 3D et multi-canaux. We develop and present a Napari plugin called SVETLANA (SuperVised sEgmenTation cLAssifier for NapAri). It is dedicated to the manual or automatic classification of segmentation results, with a primary focus on bio-medical imaging. While many open-source software now make it possible to automatically segment complex 2D and 3D objects such as cells in biology, the subsequent analysis of the results is not yet accessible to non specialists. This plugin allows end-users to pick, train and run arbitrary neural network classifiers such as residual networks. The resulting network can then be used as a post-processing tool to improve the segmentation, or as a classifier for various tasks (e.g. separating different cells populations). We showcase its practicality through various real cell biology problems in 2D, 3D and multi-channel imaging.

95. Approches non-supervisées et non-linéaires pour l’analyse de signaux de pléthysmographie Thibaut Germain, Charles Truong, Laurent Oudre, Eric Krejci. p. 781-784 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La pléthysmographie regroupe un ensemble de méthodes non-invasives de mesure des volumes respiratoires. Actuellement, l’analyse de ces signaux se focalise sur des caractéristiques globales qui apportent peu d’informations sur la dynamique du comportement respiratoire. Pour pallier ce problème, nous proposons une nouvelle méthode non supervisée, permettant de segmenter et d’extraire automatiquement des cycles respiratoires typiques, grâce à l’utilisation d’une variante de la distance Dynamic Time Warping (DTW) et d’algorithmes de regroupement. Ces séquences typiques sont ensuite utilisées pour construire une représentation symbolique sous forme de frise chronologique colorée, qui permet d’analyser visuellement l’ensemble de la dynamique respiratoire.

96. Impact du contraste des images scanner et IRM FLAIR dans les réseaux profonds pour la segmentation de la lésion d'AVC Juliette Moreau, David Rousseau, Laura Mechtouff, Tae-Hee Cho, Carole Frindel. p. 785-788 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’imagerie médicale est centrale dans la prise en charge des patient·es admis·es pour un AVC. L’IRM cérébrale est faite en urgence pourvu qu’elle ne retarde pas le traitement. Si l’IRM n’est pas disponible ou en cas de contre-indication, un scanner cérébral est réalisé. Le but de ces travaux est de déterminer l’impact du contraste de ces images lors d’une segmentation de lésion d’AVC par des réseaux profonds. Le réseau de référence U-Net est comparé à deux autres architectures : le cGAN qui tente de renforcer les résultats du U-Net avec un réseau discriminateur et le Mask R-CNN qui utilise des boîtes englobantes. Ce dernier segmente plus précisément sur les scanners, alors que le U-net offre un meilleur Dice pour les images IRM.

97. Identifier l’apathie dans la dépression des personnes âgées par actimétrie : une étude pilote Manuel Abbas, Jean-Charles Roy, Gabriel Robert, Régine Le Bouquin Jeannès. p. 789-792 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'apathie est un potentiel marqueur de sévérité dans la dépression du sujet âgé. Cependant, les définitions classiques d’apathie présentent les inconvénients d'un manque d'objectivité et de validité pour convenir à l’identification de l’apathie comme un marqueur mesurable. La mesure directe de l’activité d’un sujet par actimétrie pourrait satisfaire ces critères et apporterait des résultats prometteurs en termes de classification. Nous proposons d'évaluer le pouvoir de l’actimétrie à détecter des signes d'apathie. Explicitement, un ensemble de caractéristiques est extrait des données d'accélération filtrées et pré-traitées pour distinguer les activités des sujets âgés déprimés apathiques de celles des sujets âgés déprimés non-apathiques. Deux analyses sont conduites, à savoir une estimation ponctuelle et une estimation longitudinale, permettant d'une part de mettre en exergue une discrimination des sujets et d'autre part de prédire les scores d'apathie.

98. Attention U-Net pour la Segmentation des Pores de la Lame Criblée Nan DING, Hélène URIEN, Florence ROSSANT, Jérémie SUBLIME, Paul BASTELICA, Michel PAQUES. p. 793-796 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le glaucome est une neuropathie optique, dont la physiopathologie est encore mal connue. La lame criblée, structure poreuse à travers laquelle les fibres nerveuses passent pour sortir du globe oculaire afin de rejoindre le cerveau, a été identifiée comme site principal des dommages neuronaux retrouvés dans le glaucome. Nous présentons dans cet article une méthode de segmentation des pores de la lame criblée dans des images OCT, par apprentissage profond. Les difficultés sont dues à la faible résolution des images par rapport aux dimensions des zones à segmenter, et au faible rapport signal-à-bruit, ce qui rend la détection des pores, et a fortiori leur segmentation, très difficile. Ainsi nous proposons une architecture de type U-net, avec des optimisations permettant un apprentissage à partir d'annotations incomplètes et la segmentation de petits objets mal contrastés. Les résultats expérimentaux montrent que 71,8% des pores annotés sont segmentés avec succès.

99. Transfer learning in BCI-EEG Aloui Nadia, Bonnet Stéphane. p. 797-800 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'apprentissage par transfert traite du problème de variabilité inter-individus. En interface cerveau-machine, cela désigne l'ensemble de techniques qui vise à exploiter la connaissance acquise sur d'autres sujets ayant réalisé la même tâche mentale que celle en cours d'analyse chez un nouveau sujet. La méthode TCA (analyse en composantes de transfert) recherche ainsi un espace de dimension réduite où les caractéristiques des deux domaines (source, cible) sont proches au sens d'un certain critère. Dans ce papier, nous proposons une nouvelle méthode pour appliquer la TCA en lien avec la géométrie Riemannienne dans le cas de système BCI-EEG. L'approche proposée permet de travailler nativement avec des caractéristiques de type matrice de covariance. Les résultats sont démontrés sur un jeu de compétition BCI et sont supérieurs à ceux obtenus lorsqu'on applique TCA sur des caractéristiques vectorielles de type (log)variance.

100. Compromis performance-complexité pour la détection MIMO à faible complexité : Récepteurs simplifiés BP et EP Adam Mekhiche, Antonio Maria Cipriano, Charly POULLIAT. p. 81-84 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente une étude comparative du compromis performance/complexité de détecteurs sous contrainte d’estimation de canal et introduit un détecteur faible complexité basé sur BP avec annulation d’interférence et factorisation QR.

101. Estimation de la concentration sanguine du CO2 à partir d’une mesure transcutanée par un filtrage de Kalman Maria-Paula Duval Comsa, Ronald PHLYPO, Pierre GRANGEAT. p. 801-804 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ces travaux se placent dans le cadre de l’étude d’un dispositif autonome porté par la personne pour la mesure transcutanée de la concentration du gaz carbonique sanguin au niveau de l’avant-bras. Nous présentons un modèle dynamique de transport du gaz carbonique reposant sur un système d’équations de diffusion –convection à travers trois milieux différents : milieu liquide (sang), membrane (peau), milieu gazeux (air). Ce modèle dynamique définit le problème direct du transport du dioxyde de carbone sous la forme d’un modèle Markovien à états cachés dans le but de générer des données synthétiques. La mise en œuvre d’un filtre de Kalman permet ensuite de calculer à partir des variables observées bruitées, les variables cachées du modèle, et en particulier la concentration dans le sang du gaz carbonique. L’enjeu est (1) de modéliser un profil de concentration-profondeur tenant compte de l’hétérogénéité des coefficients de diffusion et des coefficients de partition d’Henry associés aux trois milieux considérés et (2) de proposer une méthode d’estimation récursive de la concentration sanguine du CO2 à partir de la mesure transcutanée par un filtrage de Kalman et de rendre stable le problème inverse. L’objectif est de pouvoir réaliser ce traitement de manière embarquée sur le microcontrôleur du dispositif, avec des capacités de stockage et de calcul limitées. Nous analysons l’influence du débit d’air sur l’erreur de quantification et le temps de montée sur la concentration estimée dans le sang.

102. Recalage métamorphique d’images par réseau de neurones résiduels Matthis Maillard, Isabelle BLOCH, Pietro GORI. p. 805-808 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

En imagerie médicale, la plupart des méthodes de recalage d’images supposent implicitement une correspondance bijective entre l’image source et l’image cible. Cependant, ce n’est pas nécessairement le cas lorsqu’il s’agit d’images médicales avec des pathologies (présence d’une tumeur, d’une lésion, etc.). Pour faire face à ce problème, le modèle des Métamorphoses a été proposé. Il modifie à la fois la forme et l’apparence d’une image pour traiter les différences géométriques et topologiques. Cependant, le temps et la charge de calcul élevés ont entravé ses applications jusqu’à présent. Nous proposons ici une mise en œuvre de la métamorphose par apprentissage résiduel profond qui réduit considérablement le temps de calcul lors de l’inférence. De plus, nous montrons que le cadre proposé peut facilement intégrer des connaissances préalables sur la localisation des changements topologiques (par exemple les masques de segmentation) qui peuvent agir comme une régularisation spatiale pour séparer correctement les changements d’apparence et de forme.

103. Approche bayésienne pour l'extraction et la classification de potentiels d'action Steven Le Cam, Radu Ranta. p. 809-812 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Une approche bayésienne pour l'extraction et la classification des potentiels d'action dans les signaux EEG de microélectrodes est proposée. L’originalité de la méthode réside dans la séparation des formes de potentiel d’action du signal de fond (communément appelé LFP) dans le but d'améliorer le résultat de classification. Usuellement cette séparation est obtenue par un simple filtrage passe-haut, les potentiels d'action étant supposés présenter une activité essentiellement hautes fréquences alors que le LFP se situe dans les fréquences basses. Le LFP est ici modélisé par un processus gaussien coloré, et un mélange de gaussiennes multivariées est utilisé pour modéliser la distribution des formes d'onde des potentiels d'action. L’optimisation du modèle conduit à une estimation a posteriori de chaque forme d'onde individuelle des potentiels d'action détectés, une version du signal LFP séparée de ces potentiels d'action, ainsi qu’à une classification des potentiels d'action ainsi estimés. Cette classification est menée dans le domaine temps/fréquence par décomposition en ondelettes, et les performance sont évaluées sur une base de données simulées. La méthode est comparée à des méthodes récentes de la littérature, ainsi qu'à une version précédente de la méthode où la classification étaient opérée sur les échantillons temporels des formes d'onde extraites du signal.

104. ELDERLY FALL RISK PREDICTION USING CYCLOSTATIONARY AND TIME-DOMAIN FEATURES Reem Brome, Jad Nasreddine, Frédéric Bonnardot, Mohamad O. Diab, Mohamed El Badaoui. p. 813-816 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les chutes sont une cause de mortalit´e importante chez les personnes ˆag´ees, il est donc n´ecessaire d’ˆetre capable d’identifier les personnes susceptibles de chuter (“chuteurs”) afin de mettre en place d’´eventuelles mesures pr´eventives. Nous proposons ici d’´evaluer ce risque `a l’aide d’une intelligence artificielle entrain´ee par une base de donn´ees constitu´ee de 520 sujets “chuteurs” et “non-chuteurs”. Cette base contient pour chaque sujet des mesures de pression r´ealis´ees l’aide de semelles instrument´ees dans trois conditions de marche en plus de donn´ees personnelles. Ces mesures sont trait´ees afin de construire des indicateurs (tirant notamment parti de la cyclostationarit´e). Les meilleurs indicateurs sont ensuites s´electionn´es afin de tester les performances de plusieurs algorithmes de classification. Finalement, nous validons l’apport de la cyclostationnarit´e et retenons l’algorithme ANN qui donne ici meilleurs r´esultats (pr´ecision de 89,81 %).

105. rank and factor estimation for canonical polyadic decomposition using group sparsity: Application to fluorescence spectroscopy Nasrin Taheri, Amar Kachenoura, Xavier Luciani, Laurent ALBERA, Lotfi SENHADJI. p. 821-824 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’analyse tensorielle suscite de l’intérêt depuis plusieurs décennies, tant d’un point de vue théorique qu’applicatif. Différentes décompositions tensorielles permettent d’étendre la SVD matricielle aux tableaux d’ordre supérieur. Parmi elles, la décomposition polyadique canonique (CPD en anglais) permet sous certaines conditions d’écrire de manière (essentiellement) unique un tenseur comme un nombre minimal de tenseurs de rang1. En pratique, ce modèle est bruité et requière la mise en œuvre d’algorithmes d’approximation sous contraintes de rang faible. Malheureusement le rang est rarement connu en pratique. Nous proposons une nouvelle méthode (AGS-CPD), capable d’estimer simultanément le rang et les matrices de facteurs. Elle est basée sur l’exploitation de la parcimonie de groupe et montre une plus grande robustesse en présence de bruit que les approches classiques. En effet, les résultats obtenus sur des données simulées et des données réelles non-négatives de spectroscopie de fluorescence montrent que, sans tenir compte d'aucune contrainte de non-négativité, la méthode AGS-CPD est très compétitive à la fois pour l'estimation du rang et des matrices de facteurs.

106. Estimation et intervalles de crédibilité pour le taux de reproduction de la Covid19 par échantillonnage Monte Carlo Langevin proximal Patrice Abry, Gersende Fort, Barbara Pascal, Nelly Pustelnik. p. 833-836 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Surveiller l'évolution temporelle de la Covid19 en temps réel et ce, malgré la qualité limitée des données disponibles, est un problème crucial et difficile. L'objectif de ce travail est de comparer six stratégies différentes d'échantillonneurs Monte Carlo de type Langevin proximal utilisées pour l'estimation par intervalles de crédibilité du taux de reproduction de la Covid19, et du compte débruité de nouvelles infections quotidiennes. La difficulté résulte de la formulation bayésienne utilisée qui, pour produire des estimées robustes, fait usage d'une loi a posteriori non régulière. L'application à des données réelles de la Covid19, de plusieurs pays, montre la pertinence des stratégie proposées dites duales.

107. Assessing the efficacy of contract tracing apps to help mitigate the COVID-19 pandemic: an agent-based approach Pierrick Tranouez, Arnaud Banos. p. 837-840 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Pendant la pandémie COVID-19, de nombreuses stratégies ont été testées par différents gouvernements pour atténuer et contrôler la dynamique épidémique et ses impacts, notamment sanitaires, sociaux et économiques. Dans cet article, nous évaluons la performance des applications de recherche de contacts sur la dynamique épidémique en comparant plusieurs scénarios réalistes appliqués à une société artificielle. En utilisant la modélisation basée sur les agents et l'exploration numérique, nous soulignons les possibilités et les limites des applications de contact tracing et l'importance de les combiner avec d'autres mesures de contrôle, en particulier l'isolement et le dépistage.

108. Compression des échantillons IQ d'un signal OFDM à PAPR réduit dans un réseau d'accès radio virtualisé Aya Shehata, Philippe Mary, Matthieu Crussière. p. 85-88 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article analyse l'impact de la réduction du rapport de puissance crête à moyenne (PAPR) d'un signal OFDM avant sa compression pour sa transmission sur le lien fronthaul d'un réseau d'accès radio virtualisé. L'analyse débit-distorsion est effectuée lorsque le PAPR est limité par écrêtage et par réservation de sous-porteuses, respectivement. La distribution des échantillons OFDM à PAPR réduit est dérivée et utilisée pour analyser les performances du taux d'erreur de modulation. Des simulations numériques montrent que les techniques classiques de compression d'un signal gaussien appliquées à un signal à PAPR réduit ne sont pas optimales et un gain est obtenu lorsque les techniques de compression sont optimisées par rapport à la vraie distribution des échantillons après réduction du PAPR.

109. L’outil PREDAFLU pour la surveillance et l’anticipation des venues aux urgences lors des épidémies virales hivernales Guillaume BOULEUX. p. 841-844 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans ce travail, j’aborde la résolution des problématiques d’encombrement ou de tension dans les services d’accueil des urgences par la constitution d’outils d’aide à la décision pour le pilotage des services. Je m'intéresse donc à proposer des indicateurs précoces et préventifs de venues anormales au sein des services et à caractériser les problèmes organisationnels au travers des flux de patients. Afin de permettre aux responsables de services d'accueil des urgences de disposer aujourd'hui d'une application leur permettant d'anticiper les venues dues aux épidémies virales hivernales, nous avons proposé un ensemble d'indicateurs, statistiques au début puis topologiques, et extrait les codes diagnostics impactant le plus l'organisation des services. L'application PREDAFLU qui est également le nom du projet financé par le ministère de la santé sous l'instrument PREPS-DGOS (PREPS-15-000668), est le résultat de ces travaux.

110. Optimisation des perturbations pour l'apprentissage contrastif Camille Ruppli, Pietro Gori, Roberto Ardon, Isabelle Bloch. p. 845-848 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les méthodes actuelles d’apprentissage contrastif utilisent des perturbations aléatoires échantillonnées dans une grande liste de transformations avec des hyperparamètres fixes pour apprendre des invariances à partir d’une base de données non annotée. Dans la lignée de travaux précédents introduisant une petite quantité de supervision, nous proposons une méthode de recherche des perturbations optimales pour l’apprentissage contrastif en utilisant un réseau de perturbations. Avec peu de données annotées, notre méthode améliore les résultats de précision et converge plus rapidement. Contrairement aux travaux précédents, aucun modèle génératif n’est nécessaire pour l’optimisation des perturbations. Les images perturbées conservent les informations pertinentes pour résoudre la tâche de classification supervisée. Les expériences ont été réalisées sur 34000 coupes 2D d’images de résonance magnétique du cerveau. Avec 30% de données annotées, notre modèle atteint des performances similaires à celles d’un modèle entièrement supervisé avec 100% d’annotations.

111. Apprentissage de bancs de filtres pour la séparation aveugle de sources sonores Félix Mathieu, Thomas Courtat, Gael Richard, Geoffroy Peeters. p. 853-856 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'utilisation d'encodeurs audio paramétrés s'est révélée être une piste encourageante pour améliorer l'interprétabilité et les performances des modèles de séparation de sources bout-à-bout. Nous présentons des propriétés d'intérêt nécessaires à l'apprentissage des filtres de ces encodeurs ; et proposons une paramétrisation pour contraindre ces filtres. Sur la base de la transformée de Hilbert et du théorème de Bedrosian, nous proposons de construire un ensemble de filtres déphasés en modulant des sinusoïdes à travers des filtres passe-bas appris librement. Ces filtres permettent d'obtenir des invariances pour des décalages temporels, des décalages de phases tout en évitant l'utilisation de réseaux de neurones complexes grâce à une astuce de sur-paramétrisation de la phase pour une forme d'onde donnée.

112. Apprentissage de dictionnaire par différentiation automatique pour la résolution de problèmes inverses Benoît Malézieux, Thomas Moreau, Matthieu Kowalski. p. 857-860 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les problèmes inverses consistent à reconstruire un signal étant donné une observation bruitée. Quand le signal d'intérêt ne peut être observé directement, la résolution doit se faire de manière non supervisée. Dans ce cas, il est nécessaire d'introduire de l'information a priori sur le signal pour pouvoir résoudre le problème. Nous comparons deux méthodes d'apprentissage de dictionnaire parcimonieux par différentiation automatique dans un contexte de problème inverse à l'Analyse et à la Synthèse.

113. DriPP : Processus ponctuels pilotés pour la modélisation des signaux M/EEG modulés par stimulation Cédric Allain, Alexandre Gramfort, Thomas Moreau. p. 861-864 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’analyse quantitative des signaux électrophysiologiques non invasifs est rendue possible par l’identification de motifs récurrents, tant dans le temps que dans l’espace cérébral. Une question naturelle est d’arriver à estimer dans quelle mesure les occurrences de ces derniers sont modulées par certaines tâches cognitives et manipulations expérimentales. Pour y répondre, nous proposons une approche par processus ponctuels où la fonction d’intensité est liée à un processus ponctuel déterministe correspondant aux événements de stimulation. Nous proposons une méthode rapide basée sur l’algorithme espérance-maximisation (EM) afin d’estimer les paramètres de ce modèle.

114. On the MAC layer Optimal Power Allocation in NOMA Uplink Networks Mouktar Bello, Arsenia Chorti, Inbar FIJALKOW. p. 865-868 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Résumé: Dans cet article, nous proposons des nouvelles expressions analytiques de la capacité effective (EC) des utilisateurs NOMA. Ensuite, l’analyse asymptotique des performances de NOMA et de OMA montre que le NOMA nécessite une bonne allocation de puissance pour être meilleur que le OMA dans les RSB (rapport signal-sur-bruit) faibles et moyens pour l’utilisateur faible U1, et dans les RSB élevés pour l’utilisateur fort U2. Nous proposons une politique d’allocation de puissance aux RSB extrêmes pour optimiser le NOMA, mais cela se fait au détriment de la réduction du délai dans les RSB élevés. English: In this paper, we propose new analytical expressions for the effective capacity (EC) of NOMA users. Then, the asymptotic performance analysis of NOMA and OMA shows that NOMA requires good power allocation to be better than OMA in low and medium SNRs (signal-to-noise ratio) for the weak user U1, and in high SNRs for the strong user U2. We propose a power allocation policy at extreme SNRs to optimize NOMA, but this comes at the expense of delay reduction in high SNRs.

115. Allocation de puissance pour un système de communication par satellite à faisceaux multiples exploitant les effets non linéaires Arthur Louchart, Philippe Ciblat, Charly Poulliat. p. 869-872 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans le contexte des communications montantes par satellite à faisceaux multiples, nous donnons une expression analytique du débit de données, dans le cas d'un récepteur exploitant les effets non linéaires liés à l'amplificateur de puissance. Nous proposons ensuite plusieurs problèmes d'allocations de puissance, tels que la maximisation de la somme des débits du système, en utilisant le cadre de la programmation signomiale. Nous montrons un gain significatif par rapport à l'allocation effectuée en utilisant uniquement l'interférence non linéaire.

116. Rétrodiffusion coopérative efficace en énergie pour un système multi-utilisateurs à accès multiple NOMA Hajar El Hassani, Anne Savard, E. Veronica Belmega, Rodrigo C. de Lamare. p. 873-876 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, l’efficacité ´énergétique d’un système multi-utilisateurs à accès multiple non orthogonal (NOMA) en présence d’un dispositif de rétrodiffusion est étudiée. L’optimisation de l’efficacité énergétique est formulée comme le compromis entre le débit somme et la consommation totale de puissance, ce qui s’avère être non convexe. Dans un premier temps, nous dérivons l’expression analytique du coefficient de réflexion optimal. De façon remarquable, cette expression permet de reformuler l’optimisation de la politique d’allocation de puissance en un problème d’optimisation convexe, qui a été résolu récemment. Cette solution globale peut être exploitée ensuite pour réduire la complexité de l’algorithme Dinkelbach pour maximiser le ratio débit somme vs. puissance totale. Nos résultats numériques montrent que la présence de dispositifs de rétrodiffusion améliore considérablement l’efficacité énergétique des systèmes NOMA.

117. Politiques de transmission basées sur l'apprentissage par renforcement dans les réseaux cellulaires dynamiques et aléatoires qiong liu, Philippe Mary, Jean-Yves Baudais. p. 877-880 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous proposons des politiques de transmission de l'information tenant compte de l'état du canal, de la file d'attente des émetteurs et des interférences entre les signaux, pour la liaison descendante des réseaux cellulaires dynamiques. Les réseaux cellulaires à grande échelle avec des distances de transmission aléatoires sont considérés. Le problème est formulé selon un processus de décision de Markov à horizon infini et il est résolu en ligne en utilisant l'apprentissage par renforcement (AR). Le but est de minimiser les coûts de transmission tout en limitant le coût d'attente dans les buffers. Nous montrons qu'il existe un compromis, qui dépend de l'intensité du trafic, entre la probabilité de stabilité et les coûts de transmission. Les résultats de simulation montrent que les politiques basées sur l'AR conservent la même probabilité de stabilité que celle de l'algorithme glouton, mais avec un coût de transmission inférieur.

118. Estimation de canal pour les systèmes OTFS Rabah OUCHIKH, Thierry CHONAVEL, Abdeldjalil AÏSSA-E-BEY, Mustapha DJEDDOU. p. 89-92 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous proposons deux algorithmes itératifs d’estimation de canal et de détection de symboles pour les systèmes OTFS. La différence entre les deux algorithmes réside dans l'étape d'estimation de canal. La première solution est basée sur une approche MCMC avec échantillonneur de Gibbs, tandis que la seconde est basée sur une approximation variationnelle du champ moyen via l'algorithme VB-EM. L'étape de détection est basée sur un algorithme de Message-Passing (MP) de faible complexité. Enfin, nous comparons la complexité et les performances de la solution proposée à une solution de référence de la littérature en termes de TEB et de NMSE.

119. Séquences pilotes optimales pour la synchronisation de récepteurs FTN en présence de contamination par les données Leila Mounsif, Damien Roque, Charly Poulliat. p. 881-884 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cette étude, nous construisons des séquences pilotes pour la synchronisation en délai et en phase de récepteurs monoporteuses Faster-than-Nyquist (FTN). Nous obtenons des solutions analytiques basées sur la minimisation de la borne de Cramér-Rao des paramètres d'intérêt, en discutant notamment de l'impact de la densité de transmission. Nous évaluons ensuite le problème de la contamination des pilotes par les données, y compris en présence d'une synchronisation en fréquence grossière non-aidée par les données.

120. Inversion de réseaux de filtres de Fabry-Perot pour la restauration de cubes hyperspectraux Pierre CHATELAIN, Gilles DELMAIRE, Matthieu PUIGT, Gilles ROUSSEL. p. 885-888 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les cameras hyperspectrales compactes permettent de scanner une scène avec une grande résolution spectrale et spatiale grâce à un réseau de filtres de Fabry-Perot (fFP). Cependant, sur la gamme de sensibilité du capteur, la transmittance d’un fFP possède typiquement 2 modes dus aux harmoniques. De plus, chaque pixel voit sa transmittance être déformée par la pupille de sortie. Aujourd’hui, cette dégradation n’est pas prise en compte par le constructeur. Afin de restaurer les spectres de luminance, nous proposons ici, (i) une extension du modèle direct de Goossens et al. [1], (ii) un modèle d’inversion et (iii) une solution vérifiant les propriétés attendues. Les résultats obtenus sur simulations réalistes montrent l’intérêt de la méthode dont les performances dépassent celles du fabricant.

121. Approche conjointe de recalage et détection de changement appliquée à l'analyse d'IRM cérébrales longitudinales Eléonore Dufresne, Denis Fortun, Stéphane Kremer, Vincent Noblet. p. 897-900 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les approches classiques de détection de changements en IRM cérébrale longitudinale sont basées sur le traitement séquentiel des différentes sources de changements. En premier lieu, les anomalies d'intensités dues au biais radiofréquence de l'imageur sont corrigées. Ensuite, le recalage est employé comme un pré-traitement avant de détecter les changements pathologiques d'intérêt. Le recalage déformable permet de compenser les distorsions géométriques dues à l'atrophie cérébrale mais les lésions d'intérêt peuvent apparaître déformées, ce qui diminue la sensibilité de la détection. Les recalages rigide et affine sont habituellement choisis car ils préservent les lésions, mais les distorsions anatomiques dues à l'atrophie provoquent de fausses détections. La limitation des approches séquentielles provient du traitement dissocié du recalage et de la détection de changements. Dans cet article, nous tenons compte de l'intrication de ces étapes de traitement en proposant un cadre unifié où ces sous-problèmes sont résolus conjointement. Nous le formulons comme la minimisation d'une fonction de coût englobant le recalage et la détection de changements. Nous montrons expérimentalement le bénéfice de cette approche conjointe par rapport à son équivalent séquentiel sur données synthétiques et réelles.

122. Schéma parallélisé-randomisé de la décomposition canonique polyadique pour la localisation de sources de courant intracérébral Abdelhak BOUDEHANE, Laurent ALBERA, Arthur TENENHAUS, Laurent LE BRUSQUET, Remy BOYER. p. 901-904 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les avantages en terme d'interprétabilité et d'unicité du modèle Canonique Polyadique (CP) sont largement exploités dans de nombreux contextes applicatifs, tels que la localisation de sources de courant intracérébral. Toutefois, la complexité et la taille mémoire nécessaire pour le calcul de ces décompositions constituent un véritable challenge pour les tenseurs de grandes dimensions et d'ordre élevé. Dans cet article, nous présentons un schéma parallélisé et randomisé qui permet de réduire la complexité et la taille mémoire requise, tout en conservant la qualité de localisation.

123. Factorisation Non-Négative de Matrice pour séparation de sources en Imagerie par Bioluminescence préclinique Erwan Dereure, Elsa Angelini, Anikitos Garofalakis, Johanne Seguin, Nathalie Mignet, Jean-Christophe Olivo-Marin. p. 905-908 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'imagerie par bioluminescence est une technologie d'imagerie optique basée sur la détection de photons produits par une réaction biologique entre un substrat et une enzyme dans les tissus vivants. Cette technique d'imagerie, peu bruitée, est utilisée dans de nombreux domaines de la recherche biomédicale et notamment en oncologie préclinique. Le flux de photons émis par une tumeur est lié à son volume et son état métabolique, nécessitant une localisation précise de celle-ci. Certaines expériences impliquent la visualisation de signaux multiples (par exemple 2 tumeurs) sur le même animal ce qui rend leur quantification difficile car la délimitation manuelle de la région d’intérêt (ROI) doit être plus fine et est le plus souvent arbitraire. Dans ce travail, nous étudions l'utilisation de la décomposition factorielle par Factorisation Non-Négative de Matrice (Non-Negative Matrix Factorization, NMF) comme méthode de séparation des sources afin de permettre une quantification plus précise de chaque tumeur sans a priori spatial. Bioluminescence imaging is an optical imaging technology based on the detection of photons produced by a biological reaction between a substrate and an enzyme in living tissue. This low noise imaging technique is used in many fields of biomedical research and particularly in preclinical oncology. The photon flux from the tumor is related to the volume and the metabolic state of the tumor. Moreover, some experiments require the visualization of multiple signals (e.g. 2 tumors) on the same animal which makes their quantification difficult because the manual delimitation of the region of interest (ROI) must be more precise and is most often arbitrary. In this work, we investigate the use of Non-Negative Matrix Factorization (NMF) as a source separation method in this context in order to allow a more accurate quantification of each tumor without spatial a priori.

124. Séparation de Sources en Mélanges Convolutifs Sous-déterminés Combinant Masquage et formation de voie MOSTAFA BELLA, Hicham Saylani, Shahram Hosseini, Yannick Deville. p. 913-916 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce papier présente une nouvelle méthode de Séparation Aveugle de Sources (SAS) en mélanges convolutifs pouvant être sous-déterminés. Exploitant la parcimonie des signaux sources dans le domaine Temps-Fréquence (TF), cette méthode combine le masquage TF et la formation de voie (ou “beamforming”). L’utilisation du beamforming permet de réduire considérablement les artefacts qui affectent les signaux séparés par les méthodes de SAS basées uniquement sur le masquage TF. Par ailleurs, contrairement aux méthodes existantes qui utilisent le beamforming en plus du masquage TF, nous introduisons de nouveaux vecteurs directionnels dits normalisés pour générer les différents beamformers mis en jeu, et une nouvelle approche pour mieux estimer ces vecteurs, ce qui constitue un grand avantage pour notre méthode. Les tests ont montré de bonnes performances de notre méthode comparée à quelques méthodes existantes, similaires en termes d'hypothèses de travail.

125. Factorisation couplée de tenseurs pour l'analyse de données de cytométrie en flux Philippe Flores, Guillaume Harlé, Konstantin Usevich, Stéphanie Grandemange, David Brie. p. 917-920 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons une méthode d'analyse automatique de données de cytométrie en flux. Le problème est abordé comme un problème d'estimation de densité en grandes dimensions. En modélisant la distribution comme un mélange de densités séparables, l'estimation de la densité jointe est reformulée comme une factorisation tensorielle couplée de marginales 3D. Afin de réduire la charge de calcul, nous proposons différentes stratégies de couplage partiel. Les termes de rang 1 sont alors regroupés par clustering hiérarchique. L'ensemble du traitement est intégré au sein d'un nouvel outil de visualisation des résultats. La pertinence de l'approche est illustrée sur des données simulées ainsi que sur des données réelles correspondant à un mélange contrôlé de populations de cellules.

126. Identification des relations de parité d'un code de canal à partir de données souples Aurélien Bonvard, Sebastien Houcke. p. 93-96 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans un contexte d'interception de signaux et d'identification aveugle de codes correcteurs d'erreurs, la recherche d'éléments du code dual est une étape nécessaire à l'identification du code. Nous proposons une approche tirant profit des données souples. Notre méthode exploite la distribution particulière des distances euclidiennes entre des vecteurs de fiabilités des bits impliqués dans une relation de parité de poids $w$. Enfin, nous comparons les performances de notre méthode avec une méthode existante.

127. Group Learning by Joint Alignment in the Riemannian Tangent Space Marco Congedo, Alexandre Bleuzé, Jérémie Mattout. p. 921-924 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Résumé – Dans le domaine des interfaces cerveau-ordinateur (ICO), les modèles d’apprentissage sont typiquement entrainés sur chaque sujet et chaque session séparément, comme les données ne sont pas alignées entre sessions et entre sujets. Ici nous proposons une méthode pour l’apprentissage de groupe, c’est-à-dire pour l’apprentissage simultané à l’aide de plusieurs sujets et/ou sessions, après les avoir alignés de façon conjointe. Notre méthode s’inspire de la littérature sur la séparation aveugle de source. Comme démonstration, nous entrainons un modèle unique d’apprentissage sur une base de données de 22 sujets et nous appliquons ce modèle de groupe pour prédire les données de test de façon analogue pour tous les sujets. Nous observons une augmentation moyenne conséquente de 6.8 points de précision comparé à un paramétrage entrainement-test individuel classique. Notre méthode est générique et peut être employée dans n’importe quelle application. Elle peut aussi être utilisée pour entrainer des modèles d’apprentissage qui requièrent un très grand nombre de données, tel que les réseaux de neurones profonds.

128. Méthode de démélange et dématriçage conjoints fondée sur la complétion de rang un pour les images multispectrales « snapshot » Kinan ABBAS, Matthieu PUIGT, Gilles DELMAIRE, Gilles ROUSSEL. p. 925-928 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'imagerie spectrale « snapshot » (SSI) est une technologie qui permet aux caméras miniaturisées d'acquérir le contenu spatio-spectral de scènes dynamiques à partir d'une seule exposition. Les systèmes SSI accomplissent cela en associant chaque pixel à une bande spectrale spécifique, introduisant en conséquence un compromis crucial entre la résolution spatiale et spectrale. Dans cet article, nous concevons une méthode conjointe pour effectuer le dématriçage et le démélange d'images hyperspectrales acquises par la caméra SSI. Nous formulons le problème comme un problème de factorisation et de complétion matricielle de faible rang. A cette fin, nous proposons une méthode dédiée qui suppose que les données observées sont localement de rang 1 dans certains patchs SSI à trouver. Les expériences montrent que l’approche proposée offre des performances de dématriçage et de démélange respectivement légèrement et bien supérieures aux méthodes de la littérature

129. Factorisation nonnégative avec des fonctions rationnelles : partitions efficaces et méthodes hybrides Cécile Hautecoeur, François Glineur. p. 929-932 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La Factorisation Matricielle Nonnégative (NMF) est une méthode commune pour analyser des données matricielles nonnégatives. Pour améliorer la qualité de la factorisation, il peut être intéressant d'imposer une certaine structure aux facteurs outre la nonnégativité. Dans ce travail, afin de trouver des facteurs lisses, nous imposons à ceux-ci d'être la discrétisation de fonctions rationnelles. Ce nouveau problème peut être formulé comme un problème de moindre carrés non-contraint, ce qui permet de le résoudre à l'aide de méthodes usuelles. De plus, il est connu que partitionner les variables en blocs et utiliser une méthode de descente par blocs peut accélérer la convergence à une solution. Par conséquent, nous présentons trois partitions du problème, les comparons et montrons qu'associer deux partitions conduit à la résolution la plus efficace.

130. Nonnegative Tucker Decomposition with Beta-divergence for Music Structure Analysis of audio signals Axel Marmoret, Florian Voorwinden, Valentin Leplat, Jérémy Cohen, Frédéric Bimbot. p. 933-936 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La décomposition en Tucker nonnégatif (NTD), un modèle de décomposition tensorielle, permet d'extraire des motifs pertinents de manière non-supervisée, notamment dans le cadre de signaux audios. Néanmoins, les algorithmes actuels pour calculer la NTD sont souvent conçus pour optimiser la norme euclidienne. Ce travail propose un algorithme à mises à jour multiplicatives pour optimiser la NTD par rapport à la beta-divergence, souvent considérée comme plus pertinente pour traiter des signaux audios. En particulier, cet article montre comment implémenter ces mises à jour de manière efficace en utilisant l'algèbre tensoriel. Finalement, des résultats expérimentaux sur la tâche d'estimation de la structure musicale montrent que la NTD optimisée par rapport à la beta-divergence améliore les précédents résultats obtenus par rapport à la norme euclidienne.

131. Factorisation non-negative de tenseurs partiellement observés sous contrainte de régularité Amaury Durand, Francois ROUEFF, Jean-Marc Jicquel, Nicolas Paul. p. 937-940 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Contrairement au cas où toutes les données sont observées, le problème de factorisation non-négative de tenseur partiellement observé n’admet pas nécessairement d’optimum global. Néanmoins, en imposant des contraintes de régularité sur les facteurs l’existence d’un optimum global peut être prouvée. Nous proposons un algorithme d’approximation de la complexité maximale garantissant l’existence d’un tel optimum ainsi qu’un algorithme d’optimisation sous cette contrainte.

132. Image pattern classification under invariant constraints Dragoș Nastasiu, Maxime Bernier, Angela Digulescu, Frederic Garet, Cornel Ioana, Alexandru Serbanescu. p. 941-944 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Two of the main challenges of image recognition in radar, X-ray or T-ray (Terahertz radiation) imaging are the view-point variation of the pattern and the feature extraction techniques that must retrieve the most discriminative information from the analyzed data. In this paper, we aim to describe a novel feature extraction and image classification technique that achieves an almost maximum accuracy and surpasses the classical approaches, such as k-NN and SVM with usual entropy feature vectors. In our algorithm, the images are decomposed in using a Rotation Invariant Wavelet Packet Decomposition. Afterwards, we compute the novel feature extraction technique, the N-directional entropy, for each wavelet sub-band from the “best basis”. The resulted feature tree is fed to a Graph Neural Network classifier, adapted to operate on wavelet decompositions.

133. Taux de divergence ou d’entropie croisée pour la comparaison de processus aléatoires à mémoire courte ou à mémoire longue Eric Grivel. p. 945-948 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cette communication, notre objectif est d'étudier certaines propriétés de mesures telles que les divergences ou les entropies croisées de processus stochastiques. Plus particulièrement, nous proposons d'exprimer ce que l'on appelle le taux d'entropie croisée de deux bruits blancs à intégration fractionnaire Gaussiens. Ensuite, nous nous intéressons au taux de beta-divergence de deux processus autorégressifs à moyenne ajustée (ARMA) Gaussiens. Selon les cas, ces taux peuvent être utilisés pour comparer ces signaux.

134. Estimation consistante de la dimension minimale des représentations d'état de séries temporelles multivariables de grandes dimensions Daria Tieplova, Philippe LOUBATON. p. 949-952 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article est consacré à l'estimation de la dimension minimale P des représentations d'état d'une série temporelle multivariable (y_n)_{n \in \mathbb{Z}} de dimension M définie comme une version bruitée (le bruit est gaussien et blanc temporellement) d'un signal utile (u_n)_{n \in \mathbb{Z}} dont la densité spectrale est rationnelle et de petit rang. Cette étude est menée dans le régime des grandes dimensions dans lequel le nombre d'échantillons disponibles N et la dimension des observations M sont grands et du même ordre de grandeur. En utilisant des techniques de grandes matrices aléatoires, il est établi que l'analyse des plus grands coefficients de corrélation canonique estimés entre le passé et le futur de y permet d'évaluer P de manière consistante si des conditions liées au rapport signal sur bruit et aux coefficients de corrélation canonique entre le passé et le futur du signal u sont vérifiées

135. Estimation de la fonction de niveau de bruit pour des images couleurs en utilisant la morphologie mathématique Baptiste Esteban, Guillaume Tochon, Edwin Carlinet, Didier Verna. p. 953-956 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le niveau de bruit est une information importante pour certaines applications de traitement d’image telles que la segmentation ou le débruitage. Par le passé, nous avons proposé une méthode pour estimer ce niveau de bruit en s’adaptant au contenu d’une image en niveau de gris et nous avons montré que ses performances dépasse celle de l’état de l’art. Dans cet article, nous proposons une extension de cette méthode aux images couleurs dont les valeurs multivariées, dénuées de relation d’ordre naturelle, impliquent de nouvelles problématiques. Afin de les résoudre, nous utilisons deux outils provenant de la morphologie mathématique : l’arbre des formes multivarié et l’apprentissage de treillis complet. Enfin, nous confirmons les conclusions de nos précédents travaux pour l’estimation de la fonction de niveau de bruit couleur, montrant que l’adaptation au contenu d’une image donne de meilleures performances que l’utilisation de blocs carrés.

136. Nouvel Algorithme d'estimation de phases pour InSAR multi-temporelle basé sur le maximum de vraisemblance Phan Viet Hoa Vu, Frédéric Brigui, Arnaud Breloy, Yajing Yan, Guillaume Ginolhac. p. 957-960 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article a pour but de présenter un nouvel algorithme pour améliorer l’estimation des phases SAR interférométriques (InSAR) dans le contexte de séries temporelles. Basée sur l’estimateur du maximum de vraisemblance d’un modèle gaussien multivarié, l’estimation des phases InSAR est résolue en utilisant une approche de Descente en Bloc de Coordonnées (DBC). Par rapport aux approches classiques, l’amélioration principale réside dans l’estimation conjointe de la cohérence interférométrique et des phases InSAR au lieu de l’utilisation d’un estimateur annexe de cohérence, obtenue à partir de la matrice de covariance empirique, ou de la modélisation de la décorrélation temporelle de la cible observée. Les résultats expérimentaux confirment l’amélioration apportée par l’estimateur proposé.

137. Etalement de spectre par séquence directe et constellations tournées pour communications tactiques Tarak Arbi, Oudomsack Pierre Pasquero, Alexis Bazin, Benoit Geller. p. 97-100 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les systèmes de communications sans fil sont vulnérables aux attaques par interférences car le média étant partagé, toute entité mal intentionnée peut facilement accéder au canal et envoyer des signaux de brouillage qui interfèrent avec le signal légitime et empêchent sa bonne réception. Les techniques à étalement de spectre par séquence directe (Direct-Sequence Spread Spectrum - DSSS) sont alors utiles pour limiter ce risque dans des situations critiques. Dans cet article, on propose d’utiliser conjointement le signal DSSS avec les constellations tournées. Les simulations, prenant en compte des phénomènes physiques comme un fort décalage Doppler, montrent que la méthode proposée permet un gain en robustesse de plusieurs dBs par rapport au DSSS utilisé avec des constellations conventionnelles.

138. Sur la probabilité de fausse alarme du Filtre Adapté Normalisé pour la détection de cibles hors-grille Pierre Develter, Jonathan Bosse, Olivier Rabaste, Philippe FORSTER, Jean-Philippe OVARLEZ. p. 961-964 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les cibles hors-grille sont connues pour introduire une désadaptation du signal reçu vis à vis du signal théorique qui dégrade spectaculairement les performances du Filtre Adapté Normalisé. Pour éviter ce problème, les paramètres inconnus de la cible sont communément estimés avec une stratégie du Maximum de Vraisemblance qui résulte en un détecteur dit GLRT. La statistique de ce test sous l'hypothèse nulle est à notre connaissance inconnue dans la littérature courante pour le cas hors-grille. Cet article se propose de combler ce vide en proposant une telle expression sous bruit gaussien circulaire avec matrice de covariance connue, grâce à une approche géométrique.

139. Détection Statistique de Similarité d'images basée sur la Carte des Dissimilarités Locales Moustapha DIAW, Florent RETRAINT, Agnès DELAHAIES, Jérôme LANDRE, Frédéric Morain-Nicolier. p. 965-968 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

En raison de l'augmentation considérable de l'utilisation des images numériques dans la vie quotidienne, de nombreuses applications nécessitent une étude sur leur similarité. Le principal défi est de trouver une méthode simple et efficace pour comparer et classer des paires d'images en classes similaires et dissimilaires. Dans cet article, nous introduisons une nouvelle technique de comparaison de paires d'images basée sur la Carte des Dissimilarités Locales (CDL). La distribution de Weibull est utilisée pour modéliser la distribution empirique des niveaux de gris de la CDL. Nous caractérisons la CDL par le paramètre de forme et le paramètre d'échelle de la distribution de Weibull. Ces deux paramètres sont pertinents pour discriminer les CDL des paires d'images. Un détecteur statistique basé sur un test d'hypothèse est également introduit pour classer les paires d'images similaires et dissimilaires. Les résultats expérimentaux confirment l'utilité et l'efficacité du détecteur proposé. Notre approche donne une Aire Sous la Courbe de 95.01% pour des images réelles.

140. Détection de changements dans les modèles gaussiens de rang 1 Rémi BEISSON, Pascal VALLET, Audrey GIREMUS, Guillaume GINOLHAC. p. 969-972 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, on étudie un test d’égalité entre les matrices de covariance de $L$ séries temporelles gaussiennes multivariées de dimension $M$. On considère le cas particulier où chacune des $L$ matrices de covariance est une perturbation de rang 1 de la matrice identité, correspondant à un modèle signal plus bruit. Une nouvelle statistique de test basée sur des estimées des valeurs propres des différentes matrices de covariance en jeu est proposée. Nous montrons que cette statistique de test est consistante et à taux de fausse alarme asymptotique constant dans le régime des grandes dimensions où le nombre d'observations disponibles $N_1, \dots , N_L$ de chaque série ainsi que la dimension $M$ tendent vers l’infini au même rythme. Des simulations montrent que la méthode proposée présente des performances appréciables par rapport aux approches alternatives.

141. Détection séquentielle d'un changement transitoire avec un profil dynamique arbitraire Fatima Ezzahra MANA, Blaise Kevin GUEPIE, Igor NIKIFOROV. p. 973-976 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

De nombreux problèmes de détection séquentielle des anomalies dans des systèmes techniques et cyber-physiques complexes peuvent être réduits à la détection séquentielle fiable de changements transitoires. Contrairement à la détection séquentielle traditionnelle, où la durée du changement est infinie, la détection séquentielle des changements transitoires doit être effectuée avec un retard de détection prescrit L. Le but de cet article est de poursuivre l'étude de la détection des changements transitoires avec un profil variable. Les nouveaux résultats sont obtenus avec les contraintes imposées sur le profil de changement moins restrictives que dans les publications précédentes. Les nouvelles bornes supérieures des probabilités de détection manquée et de fausse alarme pour le test de la moyenne mobile finie (FMA) sont calculées. On considère, comme illustration des résultats généraux, la détection du changement transitoire avec un profil arbitraire dans la variance du signal aléatoire.

142. Filtrage particulaire par bloc parallèle Rui MIN, Christelle Garnier, Francois Septier, John Klein. p. 977-980 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le filtrage particulaire est une méthode efficace pour estimer la distribution a posteriori dans les modèles d'espace d'état non linéaires ou/et non gaussiens. Pour surmonter la malédiction de la dimension du PF, le filtre particulaire par bloc partitionne l'espace d'état et effectue les étapes de correction et de rééchantillonnage indépendamment sur chaque sous-espace. Ce partitionnement en blocs peut réduire significativement la variance de l'estimée de la densité de filtrage, mais il détruit la corrélation entre les sous-espaces. Dans cet article, nous introduisons un schéma de parallélisation dans le BPF. Le principe consiste à distribuer l'ensemble des particules dans plusieurs BPFs en parallèle. Les résultats montrent l'intérêt de la parallélisation en terme de compromis biais-variance et que l'affectation de partitions différentes aux BPFs en parallèle permet d'obtenir de bien meilleures performances que l'utilisation d'une seule et même partition.

143. Optimisation de la longueur de fenêtre du spectrogramme au sein d'un réseau de neurones Maxime Leiber, Barrau Axel, Marnissi Yosra, Abboud Dany, El Badaoui Mohammed. p. 981-984 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous présentons dans cet article une méthode permettant d’optimiser la longueur de la fenêtre de la transformée de Fourier à court terme (TFCT) dans un réseau de neurones. Plutôt que de le régler empiriquement sur une valeur entière au préalable, nous rendons ce paramètre continu par rapport auquel les valeurs de la TFCT sont différentiables. Plus précisément, nous définissons une version différentiable de la TFCT de taille fixe qui s’encapsule aisément dans tout réseau de neurones comme première couche. Nous montrons ensuite la facilité d’intégration sur une tâche de classification.

144. Superposition quantique d'ordre causal pour les signaux et systèmes François CHAPEAU-BLONDEAU. p. 989-992 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans le domaine des signaux-systèmes il est possible d'associer ou commuter deux systèmes de traitement (1) et (2), au moyen d'un signal binaire de contrôle, afin de sélectionner parmi deux architectures de traitement, par exemple deux ordonnancements causaux (1)-(2) ou (2)-(1) s'appliquant au signal à traiter. En quantique, une faculté nouvelle réside dans la possibilité de placer le signal de contrôle dans une superposition quantique. On peut réaliser ainsi une superposition de systèmes à la fois dans l'ordre causal (1)-(2) et (2)-(1) pour l'interaction avec le signal à traiter. Ceci donne accès à des associations de systèmes de traitement spécifiquement quantiques, dotées de propriétés nouvelles, inaccessibles aux systèmes isolés ou associés classiquement. Nous présentons ici cette possibilité nouvelle pour le traitement du signal quantique et l'illustrons sur une tâche d'estimation paramétrique à partir d'un signal bruité, en montrant notamment des bénéfices spécifiques comme la capacité d'extraire de l'information avec un signal sonde d'entrée complètement dépolarisé.

145. SAX-DD : une nouvelle représentation symbolique pour séries temporelles Sylvain W. Combettes, Charles Truong, Laurent Oudre. p. 993-996 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons une nouvelle représentation symbolique pour séries temporelles basée sur SAX (Symbolic Aggregate approXimation), qui s’intitule SAX-DD (SAX Dynamic Duo). Nous introduisons également une nouvelle mesure de similarité sur les représentations symboliques basée sur la distance d’édition générale, appelée D-GED (Dynamic General Edit Distance). Nous montrons que la représentation SAX-DD performe mieux que SAX ainsi que 1d-SAX sur la classification par 1 plus proche voisin, pour un même taux de compression. Ces méthodes sont évaluées sur 85 jeux de données univariées et de longueur égale provenant de la UCR Time Series Classification Archive.

146. Estimation des statistiques d’un canal de Rayleigh à partir de mesures du rapport signal à interférences plus bruit David JIA, Xavier Leturc, Mohamad Assaad, Christophe Le Martret. p. 997-1000 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article traite le problème de l’estimation des paramètres de la distribution du rapport signal à interférences plus bruit (RSIB) dans un canal aléatoire de Rayleigh plat en fréquence et en présence d’une unique source interférante. On suppose qu’un ensemble de réalisations instantanées du RSIB est disponible, et notre objectif est d’estimer l’amplitude moyenne du canal direct et du canal interférant. Pour ce faire, nous proposons deux estimateurs : un estimateur du maximum de vraisemblance (MV) et un estimateur moins complexe basé sur la méthode des moments (MdM) à l’ordre deux. Nous proposons pour chacun de ces estimateurs une procédure numérique basée sur l’algorithme de Newton. Les performances de ces estimateurs sont évaluées par simulations et leur variance comparée à la borne de Cramer-Rao.

147. Démonstration d’une modulation AC-FSK économe en énergie pour les communications optiques sans-fil Muhammad Jehangir KHAN, Yannis LE GUENNEC, Laurent ROS. p. 101-104 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, une démonstration expérimentale d’une technique de modulation Asymmetrically Clipped - Frequency Shift Keying (AC-FSK) dédiée aux systèmes de communications optiques sans-fil est proposée. Après une analyse de la modulation AC-FSK, le banc de test optique sans-fil radiologiciel est présenté. Les résultats expérimentaux montrent que la modulation AC-FSK atteint des performances similaires à celles de la modulation unipolaire (U)-FSK de l’Etat-de-l’Art, avec le bénéfice d’une complexité réduite du récepteur harmonique quasi-optimal proposé.

148. Apport de la séparation de sources au traitement des signaux audiophoniques issus de « boîtes noires aéronautiques » Matthieu PUIGT, Benjamin BIGOT, Hélène DEVULDER. p. 1001-1004 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le BEA est l'autorité française en charge des enquêtes de sécurité en cas d'incidents ou d'accidents d'aéronefs civils, et dans ce contexte procède à l'analyse des fichiers audio des enregistreurs de conversations (CVR). Les contraintes de conception des CVR ont pour conséquence la présence d'une quantité importante de zones de parole superposée, ce qui complique l'exploitation de ces données. Dans cet article nous présentons une première étude sur l'apport de la séparation de source afin d'améliorer le traitement des enregistrements CVR.

149. Extraction de pleurs de nouveau-nés par segmentation audio-vidéo et Deep Learning Bertille Met-Montot, Sandie Cabon, Guy Carrault, Fabienne Porée. p. 1005-1008 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’objectif de cette étude est de proposer une nouvelle méthode d’extraction automatique des pleurs de nouveau-nés prématurés en contexte clinique réel. La première étape, basée sur l’analyse conjointe de l’audio et de la vidéo, permet la segmentation des sons. Puis une étape de classification exploitant des réseaux de neurones convolutifs, alimentés par les spectrogrammes des segments sonores, permet d’identifier les pleurs. Une étude menée sur 19 807 sons annotés manuellement montre des résultats encourageants avec une précision de 93%.

150. Vers un système embarqué de classification d'événements sonores : étude de l'impact de la quantification des descripteurs Marie-Anne Lacroix, Nancy Bertin, Romuald Rocher, Pascal Scalart. p. 1009-1012 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le déploiement d'applications de classification d'événements sonores sur système embarqué est susceptible de dégrader les performances d'algorithmes n'ayant fait leurs preuves que sur une implémentation logicielle sans contraintes matérielles. Nous étudions expérimentalement l'impact de la quantification des descripteurs audio en entrée de deux classifieurs de référence. Nous concluons à l'acceptabilité de la quantification sur 8 bits, sans bénéfice d'un apprentissage adapté.

151. Apprentissage par cartes de réflectance pour la stéréo-photométrie non lambertienne pixel par pixel Clément Joubert, Nicolas Prouteau, Benjamin Bringier, Majdi Khoudeir. p. 1013-1016 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Résoudre le problème de la stéréo-photométrie calibrée avec un nombre limité de lampes présente un grand intérêt pour des applications réelles. Aujourd’hui, les méthodes utilisant des réseaux de neurones sont devenues la norme. Dans ce cadre, nous proposons une nouvelle représentation basée sur les cartes de réflectance adaptée aux systèmes avec un nombre limité de lampes.

152. Comparaison de méthodes d’estimation de déplacement sous-pixel basées sur la phase Cédric Marinel, Benjamin Mathon, Olivier Losson, Ludovic Macaire. p. 1017-1020 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'analyse des propriétés mécaniques de structures de génie civil contribue à la détection précoce de défaillances. L'analyse modale opérationnelle permet d'estimer ces propriétés mécaniques à partir de mesures de vibrations. Profitant des travaux sur l'estimation de déplacement, plusieurs méthodes d'analyse modale opérationnelle à partir de vidéos ont été développées ces dernières années. Ce travail compare deux stratégies d'estimation de déplacements inférieurs au pixel basées sur la phase de la décomposition multiéchelle. Des vidéos synthétiques de poutres verticales vibrantes sont générées pour étudier la robustesse de ces méthodes à l'amplitude de déplacement, à la quantification des niveaux de gris, ainsi qu'au bruit additif.

153. Système de mesure et d’information d’un bâtiment dédié à la rénovation thermique de ses studios François Devillard, Bernard Heit, Armelle Piegle. p. 1021-1024 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente une démarche de recherche de stratégies d’actions sur le plan énergétique pour assurer la rénovation thermique d’un bâtiment en phase d’exploitation. En évaluant les performances du bâti dans son environnement, nous pourrons déterminer et phaser les actions à mener. Pour cette évaluation, nous proposons une approche systémique qui consiste à décomposer un bâtiment en sous-systèmes qui échangent de l’énergie. Pour mieux comprendre ces échanges d’énergie, il est nécessaire de maîtriser les ordres de grandeur des différents apports et consommations. Nous avons ainsi équipé un bâtiment existant d’une instrumentation peu intrusive, géolocalisée, en modifiant a minima les installations existantes. Des modèles multiphysiques de comportement thermique et les simulations associées, sont un préalable pour tester et valider des stratégies.

154. Classification de séries temporelles de longueurs variables pour la surveillance radiologique de l'environnement Lisa Poirier--Herbeck, Elisabeth Lahalle, Sylvie MARCOS, Nicolas Saurel. p. 1025-1028 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

De par l'émergence de séries temporelles massives dans de multiples domaines, l'extraction et la classification dans ces séries de signaux d'intérêt sont d'importants sujets de data mining. Dans ce contexte, nous proposons la classification de motifs extraits du signal par seuillage à l'aide d'un écart-type glissant. Nous proposons des méthodes de classification basées sur les mesures de distance Dynamic Time Warping (DTW), MPdist et area-based shape, et sur les algorithmes de classification k-Means et hiérarchique. Leurs performances sont évaluées sur des signaux simulés de surveillance radiologique environnementale. Nos méthodes sont illustrées sur des signaux réels.

155. Surviving species in a Large Lotka-Volterra system of differential equations Maxime Clénet, François Massol, Jamal Najim. p. 1029-1032 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les équations différentielles de Lotka-Volterra jouent un rôle clé pour la modélisation mathématique de systèmes dynamiques complexes d'agents en interaction. Quand le nombre d'agents (on parlera d'espèces dans un contexte biologique ou écologique) devient grand, des questions simples telles que le nombre d'espèces survivantes n'ont pas de réponses théoriques claires. Dans cet article, nous considérons un grand système d'équations de Lotka-Volterra où les interactions entre les différentes espèces sont aléatoires, et présentons une heuristique pour calculer le nombre d'espèces survivantes. Cette heuristique combine des arguments de la théorie des grandes matrices aléatoires, d'optimisation mathématique et de théorie des valeurs extrêmes. Des simulations numériques illustrent la précision et la portée des résultats présentés.

156. Clarification numérique en imagerie des sphéroïdes Ali Ahmad, Carole Frindel, Gaëlle Récher, Charlotte Rivière, David Rousseau. p. 1033-1036 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans les sciences de la vie, on s’intéresse de plus en plus aux modèles de culture 3D pour mieux reproduire l’environnement 3D rencontré in vivo. L’imagerie de ces modèles de culture 3D est essentielle pour la découverte de médicaments, mais elle doit relever plusieurs défis avant d’être largement utilisée. L’examen microscopique profond de ces modèles cellulaires 3D est confronté au défi de la pénétration de la lumière dans les tissus biologiques opaques. Pour surmonter cette limitation, diverses techniques de clarification ont vu le jour au cours des dernières décennies. Cependant, ces méthodes sont invasives et coûteuses en temps. En nous concentrant sur les sphéroïdes, nous montrons la possibilité de contourner cette étape en étudiant plusieurs stratégies d’apprentissage profond. Nous montrons qu’un transfert de style, notamment le cycleGAN (cGAN), sera capable de compenser la dégradation des images en profondeur, pour une tache de segmentation des noyaux, en convertissant les images de sphéroïdes non clarifiées au style des images de sphéroïdes clarifiées par le Glycérol.

157. Comparaison de deux méthodes d’identification et de comptage automatique des espèces anguilliformes à partir de caméras acoustiques Azénor Le Quinio, Alexandre Girard, Fabrice Zaoui, Eric De Oliveira. p. 1037-1040 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Résumé – Les caméras acoustiques sont fréquemment utilisées pour les suivis piscicoles du fait de leurs nombreux avantages pour l’observation des populations de poissons. Pour pallier l’analyse chronophage de leurs données effectuée par un opérateur, deux approches de traitements automatiques sont présentées basées sur différentes techniques de computer vision. La première repose sur de l’apprentissage supervisé et l’autre sur de l’analyse morphologique par traitements d’images. La comparaison de ces deux approches après mise au point et optimisation de chacune d’elles, montre une capacité de classification limitée pour la première (Score F1 = 54,2%) à l’inverse de la seconde qui permet d’obtenir de meilleurs résultats (Score F1 = 79,4%). Cette seconde approche arrive à pallier la qualité limitée des images traitées, notamment la fragmentation des images des espèces anguilliformes. Abstract – Acoustic cameras are frequently used for fish monitoring because of their many advantages. To overcome the time-consuming analysis of their data carried out by an operator, two automatic processing approaches based on different computer vision techniques are presented. The first one is based on supervised learning and the other one on morphological analysis by image processing. The comparison of these two approaches, after development and optimization of each of them, shows a limited capacity of classification for the first one (F1-score = 54.2%) unlike the second one which makes it possible to obtain better results (F1-score = 79.4%). This second approach overcomes the limited quality of the processed images, especially the fragmentation of the images of anguilliform species

158. Assistance de l'infrastructure RSU pour l'allocation de ressources NR V2X mode 2 Jean-Christophe Sibel, Qianrui Li. p. 105-108 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le mécanisme d'Inter-User Coordination (IUC) de la Rel-17 du 3GPP NR V2X solutionne le problème du nœud caché observé dans la réservation de ressources prévue par le mode 2 du standard. Dans le cadre d’une réservation avec Semi-Persistent Scheduling (SPS), la réservation SPS peut durer jusqu’à 15sec. Par conséquent, avec des véhicules à vitesse élevée, le résultat du sensing au début de la réservation SPS n’est plus pertinent durant cette même réservation, le sensing étant locale en espace et en temps. Se pose ainsi le problème que nous appelons le Hidden Incoming Node Problem (HINP): deux réservations SPS réalisées chacune par un couple de véhicules initialement hors de portée risquent de rentrer en collision au moment où les couples se trouvent à portée l'un de l'autre. Le HINP n'étant pas prévu par l'IUC, nous proposons une solution Rel-17 compliant fonctionnant grâce à l'intervention de l'infrastructure de bord de route, à savoir les Road-Side Units (RSU). Cette solution a pour but d'enrichir l’information délivrée par l’IUC de sorte que le HINP se trouve significativement diminué.

159. "Approximate Message Passing " et solutions de grands systèmes dynamiques écologiques de Lotka-Volterra Walid Hachem, Jamal Najim. p. 1041-1044 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les systèmes dynamiques d'interaction écologique mettant en jeu n espèces vivantes sont couramment décrits par une équation différentielle, stochastique ou non, dite de Lotka-Volterra (L.-V.). Dans cette équation, l'objet important est la matrice aléatoire n x n des interactions alimentaires entre les espèces au sein de l'écosystème étudié. L'existence et la pré compacité de la solution d'une équation de L.-V. dépend étroitement d'un certain paramètre spectral associé à cette matrice. Dans cet article, nous étudions la convergence de ce paramètre dans le régime des grandes dimensions. Nous obtenons des résultats partiels grâce à la technique d'" Approximate Message Passing " issue de la physique statistique, rendue rigoureuse par Montanari et ses collègues et largement utilisée en traitement du signal et en apprentissage.

160. Comparaison de l’attention visuelle d’etudiants selon les séquences d’apprentissage Eliot Billaud, François Lecellier. p. 1045-1048 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Actuellement, l’utilisation de dispositif d’eye tracking permet de réaliser différentes mesures de l’œil humain et de ses mouvements afin d’étudier le comportement de l’être humain. Dans cet article, nous étudions par comparaison l’attention visuelle d’étudiants lorsqu’ils participent a une séance de TD sur machine ou sur papier. Cette étude se base notamment sur le nombre et les temps de fixation ainsi que sur le positionnement du regard. De plus, nous validerons deux hypothèses de travail sur l’impact du type de séance sur l’attention visuelle des étudiants.

161. Réseaux neuronaux convolutifs complexes pour l’imagerie échographique rapide par ondes divergentes Jingfeng Lu, Fabien Millioz, Damien Garcia, Sébastien Salles, Dong Ye, Denis Friboulet. p. 1049-1052 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'imagerie par Onde Divergente (OD) produit des images ultrasonores à une fréquence d'acquisition élevée (ultrarapide) mais de faible qualité. L'imagerie OD conventionnelle de haute qualité repose sur la composition cohérente de plusieurs émissions consécutives, ce qui réduit le gain en fréquence d'acquisition. La reconstruction d'image par réseaux de neurones convolutifs permet d'obtenir une image de haute qualité avec moins d'émissions que les méthodes traditionnelles. Nous avons récemment décrit un tel réseau, appelée ID-Net. Nous dérivons dans ce travail l'équivalent complexe de ce réseau, fonctionnant sur des données en phase/quadrature (IQ) sous-échantillonnées plutôt que les données réelles radiofréquences (RF). Nous démontrons expérimentalement qu'un réseau traitant des données complexes est plus efficace s'il tient compte explicitement des relations entre les parties réelles et complexes des données. Un tel réseau produit des résultats équivalents au réseau entraîné avec les données RF, avec un temps d'entraînemet réduit d'un facteur 5.

162. Mon entrée en résilience Romain Couillet. p. 1053-1056 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Résumé – Dans ce document qui casse volontairement les codes et dont la volonté est d’engager les lecteurs dans l’imaginaire d’un changement sociétal possible et enthousiasmant, j’explique pourquoi j’ai décidé de mettre de côté ma recherche actuelle pour me consacrer à l’étude de la résilience de la société dans un monde post-industriel imminent. Je conclus en imaginant ce que pourrait être le colloque “GRETSI d’après”. Abstract – In this singular paper, aiming to engage the reader into thoughts of an enthusiastic societal transition, I explain why I dedided to set aside my current research to work on post-industrial resilience. I conclude with what could be “GRETSI d’après”.

163. Vivre les dynamiques planétaires avec Pydynamo Achille BAUCHER, Romain COUILLET. p. 1057-1060 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Il y a 50 ans, les premiers débats sur la notion de limites planétaires à la croissance économique ont fait leur apparition sur la scène internationale, à travers le prisme de la publication des Limits To Growth. Nous en explorons ici les concepts les plus importants grâce à une implémentation pédagogique et conviviale du modèle World3.

164. Quel rôle pour les scientifiques face à l’urgence écologique ? Engagement et recherche scientifique en low-tech. Julian Carrey, Sébastien Lachaize, Guillaume Carbou. p. 1061-1064 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Compte tenu du fonctionnement actuel de notre société et de notre système de recherche, un certain nombre de thématiques scientifiques contribuent indirectement à l'accroissement des dommages environnementaux via, notamment, l'effet rebond, dont la prépondérance dans la trajectoire technologique de notre société n'a jamais été démentie depuis trois siècles, en particulier dans le domaine du numérique : toute innovation conduisant à une augmentation de l'efficacité énergétique conduit in fine à une augmentation de la consommation énergétique. De plus, de nombreuses recherches "fondamentales" nécessitent une quantité d'énergie croissante, à l'heure où les appels à la sobriété énergétique, provenant des scientifiques eux-mêmes, se font de plus en plus pressants. Ceci nous met, scientifiques, dans une situation délicate, où les questions philosophiques autour de la neutralité, de l'éthique, de la nature du "Progrès", et de notre rôle dans la vie de la cité semblent ne plus pouvoir être écartées.

165. A propos du MIMO massif dans un contexte de sobriété numérique Philippe CIBLAT. p. 1065-1068 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous étudions l'apport possible de la technique du MIMO massif d'un point de vue énergétique lors de l'introduction d'une nouvelle génération de téléphonie mobile. Nous montrons que l'intérêt est flagrant seulement si les énergies durant la phase d'usage sont considérées. En revanche, en prenant en compte uniquement la phase de fabrication, l'intérêt dépend fortement de l'évolution de trafic envisagé (frugalité ou expansion) et aussi de la durée de renouvellement d'une génération. A titre d'exemple, avec une croissance de trafic de 10% par an, le renouvellement doit intervenir au bout de 12 ans. Sans croissance de trafic, l'impact de l'installation d'une génération plus efficace énergétiquement durant la phase d'usage et donc à base de MIMO massif est négatif.

166. Quand les tenseurs aléatoires rencontrent les matrices aléatoires Mohamed El Amine Seddik, Maxime Guillaud, Romain Couillet. p. 1069-1072 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

En s'appuyant sur la théorie des matrices aléatoires, cet article étudie les perturbations de rang-1 des tenseurs aléatoires gaussiens non-symétriques, également appelés modèles spike tensoriels. Ces modèles généralisent aux tenseurs aléatoires la notion de perturbations de rang faible des matrices aléatoires, qui a été largement exploitée dans divers domaines du traitement du signal et de l'apprentissage automatique. Techniquement, notre analyse consiste à associer le tenseur aléatoire étudié à une matrice aléatoire construite à partir de contractions de celui-ci avec ses vecteurs singuliers, définis comme étant les composantes de la meilleure approximation rang-1 du tenseur étudié. Cette association apparaît naturellement comme une conséquence de l'utilisation du lemme de Stein, un outil central de notre approche. Enfin, nous caractérisons les limites asymptotiques exactes, lorsque les dimensions du tenseur tendent vers l'infini, de la valeur singulière extrême ainsi que les alignements entre les vecteurs singuliers associés, avec les composantes de la perturbation rang-1 sous-jacente. Nos résultats permettent donc de décrire, pour la première fois, le comportement des modèles spike tensoriels asymétriques, ouvrant la voie à l'analyse et à la compréhension du comportement de modèles tensoriels aléatoires plus complexes.

167. Tenseurs à valeurs quaternioniques : un objet mathématique à identifier Julien Flamant, Xavier Luciani, Yassine ZNIYED, Sebastian MIRON. p. 1073-1076 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La notion de tenseur à valeurs quaternioniques revêt un intérêt récent pour l'analyse et le traitement de signaux 3D et 4D. Nous explicitons ici les difficultés théoriques relatives à la définition d'un tel objet mathématique, et proposons une solution permettant la conservation des propriétés algébriques tensorielles usuelles. Ce nouveau modèle autorise l'extension au cas quaternionique des décompositions tensorielles de Tucker et canonique polyadique. Pour cette dernière, nous introduisons un algorithme de type ALS dont la pertinence est validée numériquement.

168. Une approche tensorielle pour entrainer des réseaux de neurones flexibles Yassine ZNIYED, Konstantin USEVICH, Sebastian MIRON, David BRIE. p. 1077-1080 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans ce travail, nous nous concentrons sur la compression des réseaux de neurones (RNs), en considérant une approche basée sur les tenseurs. En particulier, nous nous intéressons à l'estimation de fonctions d'activation flexibles à l'aide de solutions basées sur des tenseurs. La méthode proposée est basée sur une factorisation couplée matrice-tenseur (FCMT), fusionnant les informations d'ordre 0 et d'ordre 1 des RNs. L'algorithme d'apprentissage proposé est basé sur une approche contrainte des moindres carrés alternés. Les fonctions d'activation (FAs) sont exprimées sous la forme d'une somme pondérée d'éléments de base prédéfinis. Notre méthode permet de compresser fortement des grandes couches des RNs, avec une très légère dégradation de la précision de la classification. Cela donne également un aperçu du fonctionnement des RNs, qui est un problème du plus haut intérêt dans ce domaine.

169. Performance LoRa pour les canaux de Rice et Nakagami Jules COURJAULT, Baptiste Vrigneau, Olivier Berder, Manav R. Bhatnagar. p. 109-112 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les applications telles que les fermes connectées, les villes intelligentes ou l'industrie 4.0 utilisent de plus en plus les Low Power Wide Area Networks (LPWAN), permettant un bon compromis entre la portée, le débit et la consommation d'énergie. Cependant, seulement quelques études théoriques sont disponibles pour aider à la conception de ces réseaux avant un déploiement. Une nouvelle approche basée sur la fonction de Marcum est proposée ici pour estimer la probabilité d'erreur binaire de LoRa. La méthode proposée est appliquée avec un bruit gaussien pour les canaux de Nakagami et Rice.

170. Les Signaux à Bande Large au Service de la Réflectométrie par GNSS à Site Bas Corentin Lubeigt, Jordi Vilà-Valls, Laurent Lestarquit, eric chaumette. p. 1081-1084 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Pendant plus de trente ans, les signaux Global Navigation Satellite System (GNSS) ont été utilisés comme signaux d'opportunité comme en GNSS Reflectometry (GNSS-R). L'étude de la réflexion de ces signaux sur le sol peut en effet conduire à l'estimation de paramètres sur la surface de réflexion ou sur la hauteur du récepteur. Lorsque cette hauteur est faible, le récepteur est à site bas et la proximité du sol entraîne de fortes interférences entre les signaux direct et réfléchi ce qui rend difficile une estimation non biaisée des différentes observables. Cette difficulté peut néanmoins être levée grâce à des signaux GNSS occupant des bandes de plus en plus larges.

171. Algorithme SAGE pour la calibration robuste de radio-interféromètres en présence d'interférences Yassine Mhiri, Mohammed Nabil EL KORSO, Arnaud Breloy, Pascal LARZABAL. p. 1085-1088 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les radio-interféromètres sont des réseaux phasés produisant des images à haute résolution à partir de la matrice de covariance des mesures. L'étalonnage de tels instruments est nécessaire et constitue une tâche critique. Toutefois, les radio-interféromètres modernes représentent un nouveau défi pour la radioastronomie car ils sont plus sensibles aux interférences de radiofréquence (RFI). En effet, la présence de RFI dans le processus de calibration induit des biais dans l'estimation des erreurs instrumentales. L'objectif de cet article est de proposer une alternative pour atténuer les effets des RFI. Pour cela, nous proposons d'abord un modèle permettant de prendre en compte la présence de RFI dans les données sur plusieurs canaux de fréquences grâce à un modèle de rang faible. Nous réalisons ensuite une estimation par maximum de vraisemblance des paramètres de calibration avec un algorithme d'Espérance Maximisation Généralisée sur Espaces Alternés (SAGE). Pour cet algorithme, nous dérivons deux ensembles originaux de données complètes, pour lesquels nous obtenons des solutions explicites. Des simulations numériques montrent un gain en performance significatif sur des données corrompues par des RFI comparé aux méthodes de l'état de l'art.}

172. Estimation du centre et du rayon d'une hypersphère à l'aide d'une loi a priori de Von Mises-Fisher et d'un algorithme EM Julien Lesouple, Barbara Pilastre, Yoann Altmann, Jean-Yves TOURNERET. p. 1089-1092 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente une extension d'un algorithme EM (expectation maximization) publié récemment par les auteurs permettant d'estimer conjointement le centre et le rayon d'une hypersphère avec les hyperparamètres d'un modèle statistique prenant en compte le fait que les observations sont localisées sur une partie de l'hypersphère. La méthode proposée repose sur l'ajout de variables latentes ayant une loi a priori de von Mises-Fisher. Ce modèle statistique permet d'exprimer la vraisemblance complète des données, dont l'espérance conditionnée aux données observées possède une distribution connue conduisant à un algorithme EM simple et efficace. Les performances de cet algorithme d'estimation sont évaluées à l'aide de de simulations effectuées dans un cas bi-dimensionnel avec des résultats prometteurs.

173. Cohérence spectrale et test de corrélation en grande dimension Alexis Rosuel, Pascal Vallet, Philippe Loubaton. p. 1093-1096 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous étudions un test de corrélation pour les composantes d'une série temporelle gaussienne complexe multivariée de dimension $M$. Une statistique de test basée sur un estimateur empirique du maximum de la cohérence spectrale est proposée, et son risque de 1ère espèce est étudié dans un régime asymptotique des grandes dimensions où $M \to \infty$. Nous donnons également quelques résultats numériques illustrant les performances de la statistique proposée dans divers scénarios.

174. Un Test de Normalité pour les Processus Colorés Multivariés Sara El Bouch, Olivier Michel, Pierre Comon. p. 1097-1100 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous nous intéressons à la détection d'événements rares, brefs et oscillants qui apparaissent comme non-gaussiens dans des données enregistrées simultanément sur un réseau de capteurs. L'outil choisi pour chiffrer l'écart à la gaussianité est le \emph{kurtosis multivarié}. Nous utilisons une approche par fusion de détections binaires pour contrôler le taux d'erreur global. Le détecteur est opérationnel et nous étudions ses performances de détection sur des données réelles bruitées. Les résultats obtenus montrent que le test multivarié proposé présente non seulement un excellent pouvoir de détection pour de faibles RSB, mais encore conserve une bonne robustesse vis à vis des erreurs de modélisation.

175. Etude à distance finie d'un R-estimateur pour la matrice de forme des distributions symétriques elliptiques complexes Stefano Fortunati, Alexandre Renaux, Pascal Frédéric. p. 1101-1104 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cette communication propose une analyse, à partir de simulations, des principales propriétés d'un R-estimateur de la matrice de forme d'un vecteur symétrique elliptique complexe à distance finie. D'abord proposé par Hallin, Oja et Paindaveine pour le cas des vecteurs réels puis récemment étendu aux cas de vecteurs complexes par nos soins, cet estimateur est à la fois robuste du point de vue de la distribution et efficace du point de vue semi-paramétrique. Après une présentation théorique de cet estimateur, nous étudions ici, à distance finie et pour différentes configurations possibles, son erreur quadratique moyenne que nous comparons à la borne de Cramér-Rao semi-paramétrique contrainte.

176. Méthode d'apprentissage opérant sur la sphère: Application à la compression d'images omnidirectionnelles Navid Mahmoudian Bidgoli, Roberto G. De A. Azevedo, Thomas Maugey, Aline Roumy, Pascal Frossard. p. 1109-1112 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La popularité croissante pour les images 360° implique un besoin fort en outils avancés pour leur représentation et leur traitement. Pour contourner les difficultés liées à la topologie sphérique, la plupart des méthodes existantes utilisent des représentations planes de la sphère, occasionnant malheureusement des irrégularités dans la distribution spatiale du signal visuel. Dans cet article, nous proposons une boîte à outils opérant directement sur la sphère, permettant ainsi le développement de méthodes avancées d'apprentissage. Nous illustrons les bénéfices de l'approche proposée dans une application de compression.

177. VERS UNE TRANSMISSION VIDÉO SANS LATENCE PAR L'EXTRAPOLATION D'IMAGES Melan Vijayaratnam, Marco Cagnazzo, Giuseppe Valenzise, Anthony Trioux, Michel Kieffer. p. 1113-1116 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ces dernières années, plusieurs efforts ont été consacrés à la réduction des différentes sources de latence dans la transmission vidéo, notamment l'acquisition, le codage et la transmission réseau. L'objectif est d'améliorer la qualité d'expérience dans les applications nécessitant une interaction en temps réel. Néanmoins, ces efforts sont fondamentalement contraints par des limites technologiques et physiques. Dans cet article, nous étudions une approche radicalement différente qui peut réduire arbitrairement la latence globale au moyen de l'extrapolation vidéo. Nous proposons deux schémas de compensation de latence dans lesquels l'extrapolation vidéo est effectuée soit au niveau de l'encodeur, soit au niveau du décodeur. Puisqu'une perte de fidélité est le prix à payer pour compenser arbitrairement la latence, nous étudions le compromis latence-fidélité en utilisant trois schémas de prédiction vidéo récents. Nos résultats préliminaires montrent qu'en acceptant une perte de qualité, nous pouvons compenser une latence typique de 100 ms avec une perte de 8 dB en PSNR avec le meilleur extrapolateur. Cette approche est prometteuse mais suggère également que des travaux supplémentaires doivent être réalisés dans le domaine de la prédiction vidéo afin de poursuivre la transmission vidéo sans latence.

178. PSK-LoRa : Analyse de la capacité et design de codes LDPC Jocelyn BOURDUGE, Charly POULLIAT, Benjamin GADAT. p. 113-116 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans ce papier, nous étudions les efficacités spectrales atteignables par les modulations par étalement \textit{chirp} telles que les formes d'onde PSK-LoRa. Nous concevons également des codes LDPC binaires pour des systèmes de type BICM avec décodage itératif.

179. High Quality JPEG Compressor Detection via Decompression Error Jan Butora, Patrick Bas. p. 1121-1124 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans ce travail, nous allons rechercher quel compresseur JPEG a été utilisé pour développer des images JPEG compressées avec un facteur de qualité de 100. Nous le faisons en inspectant les erreurs d'arrondi de l'image décompressée. Sous quelques hypothèses simples, nous pouvons dériver une distribution probabiliste de ces erreurs d'arrondi et détecter si le signal d'une image JPEG donnée suit une telle distribution. Toutefois, la compression JPEG peut être mise en œuvre de nombreuses façons différentes, ce qui peut affecter considérablement les hypothèses formulées. Cela peut conduire à une sous-performance importante d'un détecteur forensique qui peut être sensible au compresseur. Nos résultats sur le jeu de données Alaska montrent que nous pouvons créer un détecteur d'apprentissage profond qui, avec une précision proche de 100%, détermine quel compresseur JPEG a été utilisé pour la compression de l'image.

180. Codage vidéo à description multiple basé sur HEVC pour le pilotage de véhicules semi-autonomes Trung Hieu LE, Marc ANTONINI, Marc LAMBERT, Karima ALIOUA. p. 1125-1128 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les véhicules semi-autonomes nécessitent la transmission d'une grande quantité de données. L'une des sources de données les plus critiques pour le conducteur provient de la vidéo, qui est cruciale pour assurer le contrôle du véhicule. Dans le cadre d'un projet piloté par la compagnie LEXTAN, le même flux vidéo codé est transmis simultanément sur plusieurs réseaux radio 5G pour assurer une transmission vidéo fiable. Cependant, cette solution présente un coût de transmission élevé. En raison des caractéristiques du canal sans fil, qui n'est pas fiable et présente des pertes de bits aléatoires, il est nécessaire d'utiliser des méthodes d'encodage vidéo plus efficace qui rendent le flux vidéo robuste aux bruits. Parmi toutes les solutions possibles pour des méthodes de codage vidéo robustes sur des canaux bruités, le codage à description multiple (MDC) est un bon candidat qui peut satisfaire les contraintes de la transmission vidéo pour la conduite telles qu'une faible latence et une bonne qualité d'expérience (QoE). Dans cet article, nous appliquons une solution MDC à 2 canaux adaptée au codage HEVC "All-Intra". Cette solution montre des performances de codage élevées avec des gains de BD-PSNR allant jusqu'à 5 dB pour une séquence CIF et jusqu'à 9 dB pour une séquence Full HD par rapport à un codage à description unique en présence de bruit de canal

181. Vers une stéganalyse certifiée pour des images JPEG Etienne Levecque, Jan Butora, John Klein, Patrick Bas. p. 1133-1136 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La stéganalyse consiste à détecter des images contenant un message caché. Nous cherchons ici à développer une méthode de stéganalyse qui permette de certifier la stéganalyse en contrôlant la probabilité de faux positifs associée. Pour cela nous nous focalisons sur des images compressées en JPEG avec un facteur de qualité de 100. Pour ce facteur de qualité la distribution des erreurs d'arrondies après décompression de ces images, lorsqu'elles ne contiennent pas de message caché, est modélisable de manière précise comme un mélange de 56 distributions uniformes indépendantes et de 8 distributions dépendantes. Nous utilisons ensuite cette modélisation pour construire un test de Kolmogorov-Smirnov, qui nous permet de maîtriser les probabilités de faux positifs associées. Nos résultats sur la base d'images ALASKA illustrent l'importance de la sélection des blocs et des pixels associés pour pouvoir contrôler le taux de faux positifs. La comparaison avec d'autres méthodes de stéganalyse met également en évidence le compromis qu'il existe entre la volonté de maîtriser le taux d'erreur et la puissance du détecteur construit.

182. Codage audio avec une modélisation de spectrogramme par auto-encodeur Mohamed YAOUMI, Pierre MAHE, Stéphane RAGOT. p. 1137-1140 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article explore une façon d'adapter à l'audio les méthodes récentes de compression d'images et vidéo par auto-encodeur. Le signal audio est analysé par transformée MDCT sur des trames successives; le spectrogramme d'amplitude, vu comme une image 2D, est compressé par auto-encodeur, les signes sont codés à part. Les performances pour la parole pleine bande sont comparées à des codecs traditionnels (MP3, Opus); l'évaluation objective de qualité (segSNR, PEAQ) est complétée par des écoutes expertes informelles.

183. Codage de source zéro-erreur pour un réseau de Gray-Wyner lorsque l'information adjacente peut être présente Nicolas Charpenay, Maël LE TREUST, Aline ROUMY. p. 1141-1144 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous présentons un problème de codage de source zéro-erreur, dans lequel un encodeur transmet de l'information à plusieurs décodeurs avec différentes informations adjacentes (abrégé en "SI" pour side-information) et différentes variables aléatoires demandées. Nous donnons une borne intérieure et extérieure pour la région des débits réalisables. De plus, nous explicitons des cas particuliers (par ex. SI constante), où ces bornes coïncident. La borne intérieure repose sur les classes de type, avec des lemmes de recouvrement et d'empilement dans ces classes ; la propriété zéro-erreur est garantie par un dispositif de correction.

184. Décodage SC par listes optimisées de codes polaires Malek Ellouze, Camille Camille, Romain Tajan, Charly Poulliat, Christophe Jégo. p. 1145-1148 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Une étude sur la simplification des étapes de mise à jour et de tri des métriques de l'algorithme de décodage à annulation successive par liste d'un code polaire est décrite dans cet article. Elle repose sur le constat qu'une partie significative des bits fiables sont traités à la fin du processus de décodage. L'algorithme de décodage résultant appelé Tailored CRC-Aided Successive Cancellation List (T-CA-SCL) est une version simplifiée d'un décodage à annulation successive par liste. La pertinence de ce nouvel algorithme de décodage est validée par des expérimentaux qui montrent une réduction de 45 % de la mise à jour et du tri des métriques sans impact significatif sur les performances de décodage.

185. Décodeurs BP-RNNs mis en parallèle et spécialisés dans le décodage de codes LDPC courts Joachim Rosseel, Valérian Mannoni, Valentin SAVIN, Inbar FIJALKOW. p. 1149-1152 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article traite du décodage des codes LDPC (Low Density Parity Check) courts par l'algorithme BP (Belief Propagation). Ce dernier pouvant être modélisé à l'aide d'un réseau de neurones récurrent (BP-RNN), nous introduisons une nouvelle méthode d'entraînement qui a pour objectif de spécialiser le décodeur BP-RNN sur des événements d’erreur partageant des propriétés structurelles similaires. Cette approche est ensuite associée à une nouvelle architecture de décodage composée de plusieurs BP-RNNs spécialisés mis en parallèle, où chaque BP-RNN est entraîné à corriger un type différent d’événement d’erreur. Nos résultats de simulations montrent que les BP-RNNs spécialisés mis en parallèles améliorent efficacement la capacité de décodage des codes LDPC de taille courte.

186. Implementation pratique des codes polaires Wiretap Khaled Taleb, Meryem Benammar. p. 1157-1160 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La construction de codes polaires wiretap, pour des longueurs de blocs petites à moyennes, est un défi. Elle nécessite de choisir des paramètres initiaux spécifiques pour chaque canal. Dans ce papier, nous considérons un code polaire wiretap de longueur de bloc finie, nous rappelons leur construction pour les canaux d'entrée binaires typiques, nous montrons l'effet des paramètres clés de construction sur le débit du code et cette fuite d'information. Enfin, nous présentons une mise en œuvre réelle de ces codes polaires wiretap, en montrant comment un espion est incapable de bien décoder en raison de sa distance plus grande par rapport à l'émetteur

187. Gestion des interférences pour une meilleure couverture des futurs réseaux cellulaires à forte densité de stations de base Mohamad YOUNES, Yves LOUET. p. 117-120 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La maximisation de la couverture constitue un objectif clé pour répondre aux exigences des futurs réseaux cellulaires. Dans ce contexte, la gestion des interférences joue un rôle essentiel dans l’optimisation de la couverture des futurs réseaux cellulaires à forte densité de stations de base (BSs). En effet, la performance de la couverture est étroitement liée à la gestion des interférences et sera dégradée si les interférences ne sont pas gérées. Dans ce contexte, nous proposons deux solutions pour réduire les interférences, consistant à utiliser l’approche de beamforming d’une part, et à utiliser l’approche de coopération intercellulaire d’une autre part où les BSs de la zone de coopération utilisent la transmission simultanée via la technique de MB-SFN (Multicast Broadcast - Single Frequency Network). Ainsi, cet article part d’un scénario de déploiement de BSs à forte densité, et se concentre sur l’étude et la comparaison de la couverture de ces deux approches, tout en considérant que les BSs sont distribuées de manière aléatoire et indépendante selon le Poisson Point Processus (PPP) au lieu du modèle hexagonal traditionnel. Une attention particulière est ainsi portée sur l’évaluation de l’impact de certains paramètres sur la probabilité de couverture dans une variété de condition du système.

188. Vers une quantification de l'interprétabilité des espaces latents pour la classification ordinale Mouad Zine el Abidine, Helin Dutagaci, David Rousseau. p. 1161-1164 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cette communication, nous proposons une extension d’un travail récent sur les espaces latents dans le cadre de la classification ordinale. Nous rappelons la méthode de réduction de dimension que nous venons de développer pour ce problème et introduisons deux nouvelles métriques permettant de quantifier l'interprétabilité, i.e. l'ordinalité de ces espaces après une étape de réduction de dimension.

189. ScoreCAM GNN : une explication optimale des réseaux profonds sur graphes Adrien Raison, Pascal Bourdon, David Helbert. p. 1165-1168 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’explicabilité des réseaux profonds devient un problème central dans la communauté de l’apprentissage profond. Il en est de même pour l’apprentissage sur graphes, structure de données présente dans bon nombre de problématiques du monde réel. Nous proposons dans cette contribution, une méthode plus optimale, plus légère, consistante et exploitant mieux la topologie des graphes évalués que les méthodes de l’état de l’art.

190. Réseau profond de matrices symétriques définies positives pour la reconnaissance en temps réel des gestes de la main en 3D Mostefa Ben Naceur, Luc Brun, Olivier LEZORAY. p. 1169-1172 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article propose un nouveau réseau neuronal de matrices symétriques définies positives pour la reconnaissance des gestes de la main. Les données du squelette d'entrée sont représentées par des matrices SDP qui permettent d'encoder efficacement des statistiques d'ordre élevé telles que les covariances ou les corrélations entre les caractéristiques des articulations. La reconnaissance en ligne s'effectue à l'aide de deux réseaux explorant une séquence de gestes et qui permettent de simultanément détecter et reconnaître un nouveau geste.

191. Le réseau U-Net exploite-t-il des relations directionnelles entre objets pour les segmenter et les reconnaître ? Mateus Riva, Pietro Gori, Florian Yger, Isabelle Bloch. p. 1173-1176 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons dans cet article une méthode expérimentale permettant d'identifier dans quelle mesure un réseau de neurones (ici le U-Net) utilise des relations spatiales directionnelles entre des objets d'une scène pour les segmenter et les reconnaître. Ce travail s'inscrit dans la ligne de la recherche d'explications aux prédictions d'un réseau de neurones.

192. Régression logistique à base de splines adaptatives avec un réseau de neurones ReLU Marie Guyomard, Susana Barbosa, Lionel Fillatre. p. 1177-1180 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article s'intéresse à la classification binaire à l'aide d'une régression logistique non-linéaire. Les modèles linéaires, simples et interprétables, sont très appréciés dans le domaine médical mais leurs performances restent très limitées lorsque les données sont complexes. Nous proposons de remplacer la fonction linéaire de la régression logistique par une fonction linéaire par morceau modélisée par des fonctions splines. L'innovation majeure de cet article consiste à construire un réseau de neurones qui réalise entièrement cette régression logistique non-linéaire. L'architecture particulière de ce réseau automatise la segmentation des variables explicatives, permet une optimisation efficace des paramètres du réseau et garantit l'explicabilité des prédictions calculées.

193. Exploration de l’impact de l’estimation monoculaire de la profondeur et de la segmentation sémantique sur la tâche de détection de l’absence de mise au point et du flou de mouvement Matthieu Serfaty, Tina Nikoukhah, Jérémy Anger, Gabriele Facciolo, Jean-Michel Morel. p. 1181-1184 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous étudions l'impact des informations de haut niveau provenant de la segmentation sémantique et de l'estimation monoculaire de la profondeur sur la tâche de détection de flou de mouvement et de flou de mise au point. Nous montrons par une évaluation minutieuse sur plusieurs jeux de données que l'estimation de la profondeur monoculaire augmente la précision des détecteurs de flou et qu'une carte sémantique apporte également des informations précieuses à la tâche, mais avec un impact moindre sur le résultat.

194. Impact du redimensionnement d'image sur les images adverses Benoit Bonnet, Teddy Furon, Patrick Bas. p. 1185-1188 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La plupart des travaux sur les images adverses utilisent des images de petite taille dont la taille correspond aux dimensions d'entrée du modèle classifieur. Or l'étape préalable de redimensionnement peut effacer le signal adverse. Cet article explore la possibilité d'attaquer des images de grande taille. Pour ce redimensionnement, plusieurs interpolations sont étudiées. Soit en amont, soit en aval de l'attaque. Cet article propose des expériences pour confronter la théorie à la pratique. L'impact des différentes méthodes sur le signal adverse est également étudié ainsi que leur transférabilité. Pour augmenter celle-ci, cet article explore finalement l'attaque sur un ensemble de modèles. Ces travaux permettent finalemement de conclure sur les meilleures pratiques à adopter pour se défendre d'une attaque

195. Randomized Smoothing sous attaque: Théorie vs Pratique Thibault Maho, Teddy Furon, Erwan Le Merrer. p. 1189-1192 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le Randomized Smoothing (RS) est une solution récente pour certifier la robustesse d’un classifieur contre les attaques adversaires. Ce papier s’interroge sur l’efficacité du randomized smoothing en tant que défense contre les attaques boı̂tes noires. Nous commençons par mettre en évidence formellement le décalage entre certification théorique et pratique. Nous réalisons ensuite des attaques pour observer qu’il existe un décalage important entre les paramètres pour obtenir une robustesse théorique certifiée élevée et ceux pour lutter efficacement contre les attaques boı̂tes noires.

196. Détection de véhicules en temps réel sur grilles d’occupation par des méthodes d’apprentissage profond Defauw Nils, Antoni Olivier, Malfante Marielle, Rakotovao Tiana, Lesecq Suzanne. p. 1193-1196 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les grilles d'occupation sont un modèle d'environnement communément utilisé pour représenter l'environnement direct autour d'un véhicule sous forme d'une grille. Cette étude évalue la possibilité de détecter des véhicules sur des grilles d'occupation en s'inspirant de l'état de l'art en traitement d'images. Les architectures développées produisent des résultats de détection précis avec un temps de prédiction permettant une exécution en temps réel.

197. Transformée en ondelettes et IA pour la reconstruction d'un signal PPG en contact à partir de sa version sans contact Frédéric Bousefsaf, Djamaleddine Djeldjli, Yassine Ouzar, Choubeila Maaoui, Alain Pruski. p. 1197-1200 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La mesure de signaux photopléthysmographiques (PPG) sans contact est une technique de mesure non invasive permettant d'estimer un ensemble de fonctions vitales par analyse vidéo délivrée par caméra. Nous proposons, dans cet article, une méthode permettant de convertir un signal PPG mesuré par caméra en un signal PPG mesuré en contact (cPPG). L'objectif à plus long terme consistera à transformer le signal cPPG en signal de tension artérielle afin de proposer une chaine de traitement permettant d'estimer la tension à partir d'une vidéo. La méthode que nous proposons dans cet article repose sur la transformée en ondelettes et sur des modèles d'IA modernes. Les résultats reflètent la pertinence de l'approche et montrent qu'une estimation de la pression artérielle à partir d'un signal PPG caméra converti en signal en contact est envisageable.

198. Comparaison des performances des algorithmes classiques et quantiques pour la détection dans un système NOMA Muhammad Idham Habibie, Jihad Hamie, Claire Goursaud. p. 121-124 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'un des freins des systèmes NOMA (Non orthogonal Multiple access) est la complexité de détection des utilisateurs actifs AUD(Active User Detection). Nous proposons dans cet article d'utiliser une version adaptée de l'algorithme quantique de Grover pour la détection des utilisateurs actifs afin de tirer partie de l'accélération apportée par la superposition d'états dans les architectures quantiques, Notre version adaptée de l'algorithme de Grover est comparée aux deux récepteurs classiques de référence : le récepteur optimal du maximum de vraisemblance ML (Maximum Likelihood) et le récepteur basique d'intercorrelation conventionnel CCR(Conventional Correlation Receiver). La probabilité de détection des utilisateurs actifs est évaluée en fonction du SNR (Signal to Noise Ratio) du signal reçu, où les résultats obtenus prouvent que notre algorithme de Grover adapté est très prometteur sous un faible niveau de bruit.

199. Détection de l'insuffisance cardiaque à l'aide d'un réseau neuronal convolutif via les signaux ECG Jad BOTROS, Farah MOURAD - CHEHADE, David LAPLANCHE. p. 1201-1204 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’insuffisance cardiaque (IC) est une maladie cardiovasculaire chronique qui entraîne une augmentation de la mortalité, de la morbidité et des coûts de santé. L’électrocardiogramme (ECG) est un outil de diagnostic simple et non invasif qui peut révéler des changements différentiels dans l’IC. En raison de leur faible amplitude et de leur durée, ces changements peuvent être subtils et éventuellement mal classés lors d’une interprétation manuelle ou d’une analyse clinique. Cet article décrit un modèle de réseau neuronal convolutif profond (CNN) à 7 couches pour la détection automatique de l’IC. Le modèle CNN proposé ne nécessite ni prétraitement des signaux ECG, ni extraction de caractéristiques. Le modèle est entraîné et testé à l’aide d’un ensemble équilibré de données extraites des bases de données MIT-BIH et BIDMC, et il atteint une précision de 99,33%, une sensibilité de 99,10% et une spécificité de 99,57%.

200. Régression locale de la profondeur grâce au flou de défocalisation et à un réseau de neurones entraîné par soft-assignment Rémy Leroy, Pauline Trouvé-Peloux, Bertrand Le Saux, Benjamin Buat, Frédéric Champagnat. p. 1205-1208 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous présentons une nouvelle approche de régression de la profondeur exploitant le flou de défocalisation dans des patchs d'image. La plupart des méthodes dites de Depth from Defocus (DFD) reposent sur une classification locale de flou parmi un ensemble de flous potentiels liés à une profondeur, ce qui induit des erreurs dues à sa variation continue en pratique. Nous proposons d'utiliser un encodage de la profondeur réelle en un vecteur de probabilité d'appartenance à plusieurs labels et d'entraîner un réseau de neurones de régression à partir de ce vecteur. Notre méthode surpasse à la fois le codage dur (i.e. classification) et les approches de régressions directes, sur des images simulées provenant de jeux de données de textures structurées, et sur un jeu de données réelles provenant d'une expérience de DFD actif.

201. Attention stochastique basée patchs pour l’édition d’images Nicolas Cherel, Andres Almansa, Yann Gousseau, Alasdair Newson. p. 1209-1212 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ces dernières années, les mécanismes d'attention ont pris une grande importance dans les méthodes d'apprentissage profond. Cependant, leur utilisation est souvent limitée par le fort coût algorithmique du calcul de la matrice d'attention. Nous proposons une couche d'attention efficace basée sur l'algorithme stochastique PatchMatch pour déterminer les plus proches voisins approchés entre patchs. Nous appelons cette couche "Patch-based Stochastic Attention Layer" (PSAL). Nous assurons la différentiabilité de PSAL, permettant ainsi un entraînement de bout en bout de tout réseau contenant cette couche d'attention. La couche PSAL a une faible empreinte mémoire et peut donc s'adapter à des images de haute résolution, ce que nous illustrons par une application à l'inpainting d'images.

202. Problème inverse pour la localisation de tags RFID situés en zones immergées Benjamin Tibi, Nelly Pustelnik, Pierre Borgnat, Mathieu Cassel, Hervé Piégay. p. 1217-1220 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans le but d'étudier le déplacement des sédiments dans une rivière, l'équipe de géographes d'EVS a proposé d’intégrer des tags RFID dans des galets synthétiques qui sont disposés dans le lit des rivières. Des campagnes de mesures sont alors organisées afin de retrouver leur position dans les mois suivants et ainsi de quantifier leur déplacement. Le présent travail vise à améliorer l'estimation des positions. La méthode initiale consiste à parcourir le terrain et localiser chaque tag à l'endroit où la puissance mesurée est maximale. Nous proposons une méthode qui utilise l'ensemble des mesures pour chaque tag, en résolvant un problème inverse pour le localiser. Cette approche présente des performances accrues, et permet de venir proposer de nouvelles trajectoires dites optimales qui permettront de réduire le nombre de mesures à faire tout en conservant une précision de localisation donnée.

203. Merits of Complex-Valued Neural Networks for PolSAR image segmentation. Jose Agustin BARRACHINA, Chengfang REN, Christèle MORISSEAU, Gilles VIEILLARD, Jean-Philippe OVARLEZ. p. 1221-1224 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous mettons en oeuvre deux réseaux de neurones, l’un à valeurs complexes et l’autre à valeurs réelles, de dimensions équivalentes, pour la segmentation d’images Polarimetric Synthetic Aperture Radar (PolSAR). Ces réseaux sont basés sur des architectures convolutives de type U-Net. Une comparaison statistique exhaustive entre ces réseaux est présentée pour l’image PolSAR de Flevoland, en prenant en entrée la matrice de cohérence. Les résultats montrent une meilleure classification par le réseau de neurones à valeurs complexes.

204. Désentrelacement et classification de signaux RADAR basés sur des distances de transport optimal Manon MOTTIER, Gilles CHARDON, Frédéric PASCAL. p. 1225-1228 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'identification d'émetteurs RADAR représente un enjeu primordial dans le domaine de la guerre électronique d'autant plus que ces émetteurs présentent des caractéristiques de plus en plus complexes. Ce papier présente une méthodologie de désentrelacement et d'identification d'émetteurs RADAR basée sur l'utilisation de distances de transport optimal pour désentrelacer les impulsions d'un nombre inconnu d'émetteurs, puis identifier ces émetteurs grâce à une base de données. La méthodologie est testée sur des données obtenues grâce à un simulateur de données.

205. Détection au vol de cibles mobiles à faible rapport signal à bruit : application à l’orbitographie. Thomas Delaite, David Savary Martinez, Eric Glemet, Baptiste Levasseur, Jocelyn Couetdic, Laurent Mugnier, Frédéric Cassaing. p. 1229-1232 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Une méthode de type track before detect a été développée pour optimiser le rapport signal à bruit de détection de cibles mobiles sur un fond fort. Cette méthode massivement parallèle exploite la récente disponibilité de composants rapides (caméras faible-flux sCMOS, calculateurs GPU) pour minimiser l’impact du fond. Cette méthode est illustrée par la détection optique de satellites en orbite terrestre moyenne.

206. Satellite-based InSAR: application and signal extraction for the detection of landslide precursors Benedetta Dini, Marie-Pierre Doin, Pascal Lacroix, Michel Gay. p. 1233-1236 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

We investigate the possibility of detecting landslide precursors by means of Synthetic Aperture Radar Differential Interferometry. We show a methodology to retrieve signal associated with key precursors of destabilisation for landslides that present characteristics unfavourable to unwrapping and to time series inversion methods. This methodology entails analysis and description of the interferometric phase signal obtained from raw, wrapped interferograms in combination with the analysis of interferometric coherence drops as marker for key geomorphological features of gravitational origin.

207. Optimisation de la transmission d'information sur un canal quantique via le calcul par intervalles Nicolas Delanoue, François Chapeau-Blondeau. p. 125-128 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La transmission d'information sur un canal quantique de communication soulève des problèmes d'optimisation spécifiques, non encore universellement résolus. Nous considérons ici l'application de méthodes d'optimisation globale basées sur le calcul par intervalles, pour la maximisation de critères informationnels caractérisant la performance d'un canal quantique de communication, en insistant spécialement sur leur apport et potentiel spécifiques.

208. Décontamination des spectres de galaxies en exploitant quatre directions de dispersion Mostafa BELLA, Shahram Hosseini, Hicham Saylani, Thierry Contini, Tristan Grégoire, Andréa Guerrero, Yannick Deville. p. 1245-1248 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article traite le problème de la décontamination des spectres en spectroscopie sans fente dans le cadre de la mission spatiale Euclid. Ce problème peut être formulé comme un problème de séparation de sources qui consiste à estimer un ensemble de signaux inconnus, appelés sources, à partir d’un ensemble de leurs mélanges. Nous présentons d’abord un modèle de mélange reliant les données observées aux spectres des sources qui prend en compte simultanément quatre directions de dispersion du grisme, puis nous proposons deux méthodes pour décontaminer ces spectres à partir des mélangés. L’exploitation de toutes ces directions de dispersion permet d’améliorer l’estimation du spectre d’un objet d’intérêt. Les résultats préliminaires obtenus en utilisant des données bruitées réalistes montrent l’efficacité des méthodes proposées.

209. Robustesse au Doppler du filtre de Wiener pour un radar OFDM Bochra Benmeziane, Jean-Yves Baudais, Stéphane Méric, Kevin Cinglant. p. 1253-1256 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le filtrage de Wiener est appliqué à un radar retard-Doppler exploitant des signaux OFDM. On montre que la réponse du filtre à une cible ponctuelle est une variable aléatoire exponentielle. On obtient alors que ce filtre est plus robuste aux décalages Doppler que le filtre ZF, généralement utilisé avec des signaux OFDM, et conserve les performances du filtre adapté dans les scénarios difficiles.

210. High-rate GNSS Amplitude Estimation Applied to Airborne Observation of In-land Water Body Surfaces Hamza Issa, Georges Stienne, Serge Reboul, Ghaleb Faour, Mohamad Raad. p. 1257-1260 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente un modèle pour l'estimation de l'amplitude du signal GNSS qui utilise la corrélation du signal comme observation. Nous estimons les amplitudes à la fréquence de répétition du code des signaux GPS C/A (fréquence de 1ms). Cependant, le modèle qui relie les observations de la composante en phase à l'amplitude du signal à la fréquence de $ 1~ms $ est non linéaire. Pour estimer les amplitudes des signaux GNSS, nous proposons d'utiliser un filtre de Kalman qui intègre un détecteur de rupture. L'estimateur proposé est appliqué à la réflectométrie GNSSR qui est une technique radar qui observe la surface de la terre à partir des signaux GNSS réfléchis. Dans ce travail nous estimons la réflectivité du signal GPS et nous détectons ces variations associées à des zones en eaux. On montre à partir du signal segmenté que 96% des zones en eaux sont détectés par le système radar aéroporté par un autogire. On montre aussi que la localisation des zones en eau est obtenu avec une précision métrique.

211. A phase diagram approach for transient events detection and classification in power distribution networks Denis Stanescu, Angela Digulescu, Cornel Ioana, Alexandru Serbanescu. p. 1261-1264 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce papier présente une solution d'un problème bien connu des réseaux de distribution d'énergie : la détection et la classification des événements transitoires précurseurs des défauts pouvant conduire à des pannes du réseau électrique. Nous montrons les inconvénients de certaines approches classiques (la transformée en ondelettes et l’analyse statistique) et nous présentons les résultats d'une nouvelle approche de classification, basée sur la dynamique de l’entropie de diagramme de phase et les caractéristiques de diagramme de phase. This paper presents a solution of a well-known problem in power distribution networks: the detection and classification of transient events that precede faults that can lead to power outages. We show the inconveniences of some classical approaches (wavelet transform and statistical features) and we present the results of a new classification approach, based on the dynamics of phase diagram entropy and the characteristics of phase diagram.

212. Processus ponctuels marqués et réseaux de neurones convolutifs pour la détection d'objets dans des images de télédétection Jules Mabon, Mathias Ortner, Josiane Zerubia. p. 1265-1268 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente une méthode combinant processus ponctuels marqués et réseaux de neurones convolutifs pour la détection de petits objets dans des images satellitaires. Dans un tel contexte, la densité des objets est parfois élevée ; la formulation énergétique d’un processus ponctuel nous permet d’intégrer des a priori sur les configurations qui modélisent les interactions entre ces objets. D’autre part, les réseaux de neurones à convolution nous permettent d’apprendre les termes de vraisemblance, plus adaptables aux contextes variés, contrairement aux termes classiques dans les approches par processus ponctuels, fondés sur des mesures de contraste.

213. Apprentissage profond appliqué à la reconstruction interférométrique de transitoires radio Benjamin Chiche, Julien Girard, Joana FRONTERA-PONS, Arnaud Woiselle, Jean-Luc STARCK. p. 1269-1272 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'avènement des radio-interféromètres nouvelle génération tels que LOFAR, MeerKAT et ASKAP permet d'étudier de plus en plus des sources radio "transitoires", traduisant des mécanismes physiques d'accélération aux hautes énergies (e.g. pulsars, "fast radio bursts" et objets magnétisés du système solaire). La recherche de telles sources dans des énormes bases de données représente un nouveau défi nécessitant des algorithmes de traitement du signal performants. Dans cet étude, on formule la recherche des sources transitoires comme un problème inverse de déconvolution de série temporelle d'images et on propose une nouvelle architecture de réseau de neurones pour résoudre ce problème. On montre expérimentalement sur des données simulées que la méthode proposée est plus performante que CLEAN, l’algorithme de déconvolution le plus utilisé en radio interférométrie.

214. Localisation de sources infrasonores à bandes larges: Analyse comparative Benjamin Poste, Maurice Charbit, Alexis Le Pichon, Karim ABED-MERAIM. p. 1273-1276 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous considérons dans ce travail le problème de localisation de sources multiples infrasonores et à larges bandes, en utilisant une antenne plane. Nous proposons une méthode basée sur l’optimisation d’un critère de maximum de vraisemblance mono-source. Nous montrons ensuite que, dans le cas où N signaux sources sont présents, les N maxima de cette même fonction de coût permettent de les localiser, sous certaines conditions. Une étude comparative est finalement présentée pour analyser, dans différents contextes, les performances de notre algorithme vis-à-vis de l’état de l’art, mettant ainsi en évidence les avantages et inconvénients de l’approche proposée.

215. Détection et suivi de groupes de drones avec un radar passif Louis Guerlin, Benjamin Pannetier, Michèle ROMBAUT, Dominique Poullin, Philippe Dorey. p. 1277-1280 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’objet de cet étude concerne le suivi multi-objets, appliqué à des objets "étendus" dont la forme engendre plusieurs mesures provenant d’un même capteur. Cette étude est appliquée au suivi d’essaims de drones observés par un radar passif. Nous proposons une modélisation Bayesienne complète du système à l’aide des Ensembles Finis Aléatoires (RFS) et des Matrices Aléatoires (RM) où l’état des objets, leur nombre et leur extension modélisant leur forme sont des vecteurs et matrices aléatoires.

216. IMPORTANCE RANKING FOR TEXTURE EXTRACTION. A MORE EFFICIENT POOLING OPERATOR ? Vincent Vigneron, Hichem Maaref, Jean-Philippe Conge. p. 129-132 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La couche de pooling est au cœur des convolutional neural networks (CNNs) contribuant à l’invariance aux variations et au bruit des données d’apprentissage. Il décrit quelle partie de l’image d’entrée un neurone de la couche de sortie peut voir. Les CNNs avec max-pooling sont plus que capables de gérer des transformations simples comme des rotations sans trop de problèmes. Le problème vient des transformations compliquées. Le classement par ordre d’importance est utilisée ici comme alternative au max-pooling. Le descripteur de texture par ordre est non paramétrique, indépendant de la disposition géométrique ou de la taille les régions d’image, et peut donc mieux tolérer les rotations. Ces fonctions de description produisent des images capables d’accentuer les basses/hautes fréquences, les contours, etc.

217. Super-résolution sans-grille pour l'imagerie de fluctuation Bastien Laville, Laure Blanc-Féraud, Gilles Aubert. p. 1281-1284 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La microscopie de fluorescence super-résolue est une technique d'imagerie permettant de s'affranchir du flou produit par la diffraction de la lumière, ce qui permet la reconstruction de détails fins des structures biologiques. Cependant, les méthodes classiques par molécule unique sont limitées par les longs temps d'acquisition, avec notamment une détérioration de l'échantillon qui rend difficile le suivi des cellules vivantes. Une nouvelle voie prometteuse est ouverte par l'exploitation des fluctuations de luminosité des fluorophores, permettant l'imagerie des cellules vivantes avec une bonne résolution spatio-temporelle à l'aide de microscopes courants et de colorants fluorescents conventionnels. Plusieurs algorithmes ont été développés dans la littérature à ce titre ; ces techniques sont formulées dans un cadre discret, c'est-à-dire que l'image super-résolue repose sur une grille plus fine que les images acquises. À l'inverse, l'optimisation sans-grille n'utilise pas de grille fine et consiste plutôt en une optimisation de mesures de Dirac en nombre, amplitudes et positions. Dans cet article, nous proposons une formulation sans-grille exploitant l'hypothèse d'indépendance des fluctuations.

218. Patch-based image Super Resolution using generalized Gaussian mixture model Dang-Phuong-Lan NGUYEN, Jean-François AUJOL, Yannick BERTHOUMIEU. p. 1285-1288 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dear committee members, My name is Dang-Phuong-Lan NGUYEN. I am working at Institute of Mathematics of Bordeaux (IMB), University of Bordeaux, France. Thank you very much for accepting and commenting on my article. In this final version, I fixed it according to the experts' suggestions. Best regards, Phuong-Lan NGUYEN.

219. Restauration d’images astronomiques corrigées par optique adaptative : méthode marginale étendue par algorithme MCMC Alix YAN, Laurent MUGNIER, Jean-Francois GIOVANNELLI, Romain FETICK, Cyril PETIT. p. 1289-1292 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La restauration d’images corrigées par optique adaptative (OA) est particulièrement difficile, du fait de la méconnaissance de la réponse impulsionnelle du système optique (PSF pour point spread function) en plus des difficultés usuelles. Une approche efficace est de marginaliser l’objet et d’estimer la PSF et les hyperparamètres (liés à l’objet et au bruit) avant la déconvolution. Des travaux récents ont appliqué cette approche, combinée à un modèle paramétrique de PSF, à des images astronomiques et de satellites. Nous proposons une extension de cette méthode utilisant un algorithme Monte-Carlo par chaînes de Markov, afin d’inclure des barres d’erreur sur les paramètres. Nous présentons les résultats obtenus sur des images astronomiques, simulées et expérimentales.

220. Estimation du paramètre de multifractalité : régression linéaire, maximum de vraisemblance ou inférence Bayésienne ? Lorena Leon, Herwig Wendt, Jean-Yves Tourneret, Patrice Abry. p. 1293-1296 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'analyse multifractale est aujourd'hui un outil important de la caractérisation des dynamiques temporelles ou spatiales. Si l'estimation du paramètre de multifractalité peut se faire efficacement par des outils devenus standards, elle reste délicate pour des signaux et images de petites tailles. Le présent travail propose différents estimateurs construits sur des algorithmes Expectation-Maximization et compare leurs performances à l'aide de simulations de Monte Carlo contre les outils de l'état de l'art dans un contexte de signaux univariés de petites tailles.

221. A priori synthétique pour la restauration d’images Raphael Achddou, Yann Gousseau, Saïd Ladjal. p. 1297-1300 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les réseaux de neurones profonds ont récemment surpassés les méthodes classiques de restauration d’images re- posant sur des a priori de régularité. Cependant, ces réseaux nécessitent de grandes bases d’apprentissage, et s’adaptent mal à de nouvelles modalités. Nous proposons d’entraîner ces réseaux sur des bases d’images synthétiques, générées à partir d’un modèle feuilles mortes, nécessitant peu de paramètres et pouvant générer une quantité arbitraire de données. Nous montrons que, pour une tâche de débruitage, les performances de ces réseaux sont très proches de ceux entraînés sur des images naturelles.

222. Un Mixup Local pour empêcher les intrusions de variétés Raphaël Baena, Lucas Drumetz, Vincent Gripon. p. 1301-1304 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Utilisé dans le domaine de l'apprentissage supervisé, Mixup est une méthode de régularisation dépendante des données qui consiste à générer par interpolation linéaire de nouveaux exemples. Cette méthode améliore la généralisation sur des jeux de données standard d'apprentissage. Cependant, plusieurs auteurs ont souligné que Mixup peut générer des exemples en dehors de la distribution d'entrée ou parfois même contradictoires, pouvant être ainsi néfastes pour l'apprentissage. Dans cet article, nous introduisons Local Mixup, une méthode où les interpolations entre points distants sont pondérées plus faiblement dans la fonction de coût. Sous certaines hypothèses, nous prouvons que Local Mixup permet de contrôler un compromis bias/variance et de retrouver dans les cas extrêmes Mixup et un modèle sans mixage. Sur des jeux de données standard de vision par ordinateur, nous montrons que Local Mixup améliore la généralisation.

223. Complétion par apprentissage profond de séries temporelles d'images multi-spectrales à partir d'images hyper-spectrales Cheick Tidiani CISSÉ, Ahed ALBOODY, Matthieu PUIGT, Gilles ROUSSEL, Vincent VANTREPOTTE, Cédric JAMET, Trung-Kien TRAN. p. 1305-1308 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous nous intéressons à la complétion d'une série temporelle d'images satellitaires multi-spectrales à partir d'une série temporelle d'images satellitaires hyper-spectrales. Nous proposons pour cela une nouvelle approche d'apprentissage profond. Notre contribution principale réside dans la tâche de complétion de l'erreur qui permet d'améliorer la qualité de complétion. Nous montrons que l'approche proposée est capable de fournir des prédictions haute fidélité avec de meilleurs indices de qualités que les approches de la littérature, sur des images réelles issues des bases de données CIA / LGC et Sentinel-2 / Sentinel-3.

224. Classification et détection d’anomalie conjointes par structuration de l’espace latent d’un auto-encodeur variationnel Maxime Ossonce, Florence Alberge, Pierre Duhamel. p. 1309-1312 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les réseaux de neurones profonds ont prouvé leur efficacité dans de multiples tâches, comme la classification d’image. Ils on toutefois tendance à surestimer la fiabilité de leurs décisions, notamment lorsque l’entrée est différente des exemples fournis lors de l’entraînement du modèle. Une telle entrée est qualifiée d’hors-distribution (OoD) et sa détection est un élément essentiel de la sécurité de toute chaîne de traitement basée sur l’apprentissage machine. Nous proposons ici un modèle d’auto-encodeur capable de réaliser conjointement la tâche de classification et de détection d’OoD en nous appuyant sur le paradigme du classifieur génératif : nous dotons la variable latente de l’auto-encodeur variationnel d’un a priori p(z|y) conditionné à la classe. Le modèle donnera alors, pour une image x, une estimation de p(x|y) permettant d’effectuer la classification et la détection d’OoD. La méthode proposée a de meilleures performances que les méthodes classiques que ce soit pour la détection d’OoD lointains ou proches tout en présentant des performances identiques en terme de classification.

225. Le manchot, la banane et la bibliothèque. . . (de la désambiguïsation d’une tâche de classification avec un exemple) Yassir Bendou, Lucas Drumetz, Vincent Gripon, Giulia Lioi, Bastien Pasdeloup. p. 1313-1316 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'apprentissage à partir de peu d'exemples vise à exploiter les connaissances acquises par un modèle d'apprentissage profond pré-entraîné afin de reconnaître de nouvelles classes inconnues quand peu d'exemples sont étiquetés. Travailler avec un seul exemple est particulièrement difficile, même pour le modèle le mieux pré-entraîné, en raison de la possible présence d'autres objets dans une scène. Dans cet article, nous identifions d'abord le problème, puis proposons une méthodologie pour désambiguïser une image en y identifiant différents objets. Pour cela, nous avons recourt à l'augmentation de données, ainsi qu'à un processus d'optimisation. Nous combinons notre méthode avec une stratégie de classification simple qui permet d'améliorer l'état de l'art du domaine sur le jeu de données standard Mini-ImageNet.

226. Amélioration de la robustesse des réseaux de neurones multimodaux par identification et désactivation des modalités endommagées Robin Condat, Alexandrina Rogozan, Samia Ainouz, Abdelaziz Bensrhair. p. 1317-1320 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Pour la compréhension de scènes routières, la robustesse des systèmes de perception multimodaux est nécessaire, afin de garantir une fiabilité en cas de dysfonctionnement de capteurs. Dans ce contexte, une modalité d'entrée endommagée peut perturber leur bon fonctionnement. Dans cet article, nous proposons Noise Augmentation, une technique d'augmentation de données qui produit des modalités inexploitables pendant l'entraînement d'un réseau de neurones multimodal, et ModAM, un réseau de neurones convolutionnel qui pré-traite les modalités d'entrée, afin d'identifier et désactiver celles qui sont endommagées. Les expériences montrent que la combinaison de nos 2 contributions rend nos détecteurs d'objets significativement plus robustes en conditions dégradées, sans diminuer leurs performances globales en conditions normales.

227. Amélioration de la détection d'objets few-shot à travers une analyse de performances sur des images aériennes et naturelles Pierre Le Jeune, Anissa Mokraoui. p. 133-136 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'entraînement de modèles de détection d'objets requiert l'accès à de grandes bases de données annotées. Étant donné le coût élevé des annotations, en particulier pour la détection, celles-ci ne sont souvent pas disponibles pour des applications réelles. La détection d'objets few-shot (FSOD) tente de combler cette lacune en entraînant des modèles à partir de peu de données annotées. Les méthodes existantes se concentrent sur des images naturelles, et notamment les jeux de données MS COCO et Pascal VOC. Lorsque l'on applique naïvement ces méthodes sur des images aériennes, les performances sont moins bonnes que sur des images naturelles. Une analyse détaillée des performances et des jeux de données utilisés est réalisée afin de comprendre l'origine de ces différences. Des adaptations compatibles avec la plupart des méthodes FSOD sont finalement proposées afin d'améliorer les performances sur les images aériennes, permettant ainsi de gagner en moyenne 5% de performance.

228. Un processus ponctuel déterminantal fini pour l’exploration de données éco-acoustiques Pierre Baudet, Mohamed Outidrarine, Vincent Lostanlen, Mathieu Lagrange, Juan Sebastián ULLOA. p. 1321-1324 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le déploiement de réseaux de capteurs acoustiques en milieu naturel contribue à la compréhension et à la sauvegarde de la biodiversité. Pourtant, la masse de données audio recueillies par ces capteurs ne peut être écoutée dans sa totalité. Afin de se donner un rapide aperçu auditif du contenu d’un corpus éco-acoustique, il est donc courant d’en tirer K extraits uniformément au hasard. Dans cet article, nous présentons une méthode alternative fondée sur un K-processus ponctuel déterminantal (K-DPP). Cette méthode pondère l’échantillonnage des K-uplets d’après un double critère de pertinence et de diversité. Pour l’étude éco-acoustique d’une forêt tropicale sèche en Colombie, nous définissons la pertinence en termes de dérivée seconde spectrotemporelle (TFSD) et la diversité en termes de diffusion en ondelettes. Dès lors, nous montrons que K-DPP offre un meilleur compromis qu’un partitionnement par K-moyennes. De plus, nous estimons la richesse spécifique des K extraits sélectionnés à l’aide du classifieur de chants d’oiseaux BirdNET, fondé sur un réseau de neurones profond. Pour K > 10, K-DPP et K-moyennes tendent à produire un inventaire d’espèces plus riche que K extraits tirés indépendamment.

229. Polarisation des modes en acoustique sous-marine Julien Flamant, Julien Bonnel, Nicolas LE BIHAN. p. 1325-1328 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article s'intéresse à l'exploitation de la mesure de vitesse particulaire, une modalité émergente en acoustique sous-marine. Dans le cadre d'une propagation modale, nous montrons comment la nature vectorielle bivariée de la vitesse particulaire peut être pleinement exploitée par l'utilisation d'observables dits de Stokes liés à la polarisation de ces signaux. En outre, nous démontrons leur supériorité en termes de sensibilité par rapport à l'existant dans le cadre de l'estimation de paramètres géo-acoustiques de l'environnement sous-marin.

230. Classification de muscles profonds de la sangle abdominale à partir d'EMG de surface INES MOUDJARI, CAROLINE PAUTARD, CLEMENT JOUANNEAU, Régine Le Bouquin Jeannès. p. 1333-1336 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’électromyographie est une technique de mesure qui permet d’acquérir des signaux électriques produits par les muscles. Dans ce papier, nous proposons une méthode de classification supervisée permettant de distinguer le nombre de muscles contractés à partir de deux paires d’électrodes de surface. L’application présentée se base sur des signaux de la sangle abdominale, plus précisément des signaux contenant un mélange d’informations provenant de l’oblique interne et du muscle transverse abdominal. Les positions de ces deux muscles dans la sangle abdominale font qu’ils sont qualifiés de muscles profonds. Nos travaux visent à fournir une méthode permettant de connaître les synergies musculaires, afin de faciliter la pratique des kinésithérapeutes et d’améliorer la prise en charge des patients. La méthode de classification présentée ici est une machine à vecteurs de support à noyau linéaire, afin de répondre à un problème de discrimination à deux classes. Deux réalisations de cet algorithme sont proposées dans ce papier, conduisant à des valeurs de précision atteignant 96.6%, suite à une validation croisée sur 30 signaux réels.

231. Approches topologiques pour l'analyse de signaux physiologiques Alexandre Bois, Brian Tervil, Laurent Oudre. p. 1337-1340 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’analyse topologique des données (TDA) est un ensemble de techniques dérivées de la topologie algébrique, qui consiste à étudier l’évolution de la structure des données à travers différentes échelles. Cet article décrit une méthode non paramétrique basée sur la TDA pour l’étude de bases de données de signaux physiologiques. Nous avons appliqué cette méthode à l’étude de la marche chez des patients atteints de sclérose en plaques.

232. ConvEntion: Classification des séries chronologiques d’images astronomiques à l’aide d’attention convolutive Anass BAIROUK, Marc CHAUMONT, Dominique FOUCHEZ, Jérome PASQUET, Frédéric COMBY. p. 137-140 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’utilisation de séries temporelles d’images astronomiques suscite un intérêt grandissant dans la communauté scientifique. Par ailleurs, avec la massification des données, il est nécessaire de proposer des solutions d’analyse automatique. Dans cet article, nous proposons une nouvelle approche basée sur l’apprentissage profond pour classer différents types d’objets célestes en utilisant les séquences d’images issues des télescopes. Nous appelons notre approche ConvEntion (abréviation de CONVolutional attENTION). Elle est basée sur l’utilisation conjointe de convolutions et de transformeurs. Ceci constitue une innovation dans le domaine du traitement des séries temporelles d’images. Sur un sousensemble de données issues de la base SDDS nous améliorons la précision de 7 % par rapport aux approches de l’état de l’art utilisant des séries temporelles d’images.

233. Construction d’un jeu de données d’apprentissage adapté pour la reconstruction 3D par stéréophotométrie Clément Hardy, Yvain Quéau, David TSCHUMPERLE. p. 141-144 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La stéréophotométrie est une technique de reconstruction 3D de la surface d’un objet, à partir de plusieurs images de celui-ci, prises du même point de vue mais avec différents angles d’éclairage. Dans cet article, une revue des méthodes récentes de stéréphotométrie est d’abord proposée. Dans un second temps, nous définissons un ensemble de contraintes à suivre pour la génération d’un jeu de données d’apprentissage pertinent, utilisable pour l’apprentissage de réseaux de neurones convolutionnels dédiés à la stéréophotométrie. Nous illustrons l’importance de la variabilité de ce jeu de données, avec des exemples comparatifs de reconstruction de champs de normales.

234. An assessment of Multi Object Tracking on low framerate conditions Anis Yassine Ben Mabrouk, Gabriele Facciolo, Rafael Grompone, Axel Davy. p. 145-148 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La performance des méthodes de l’état de l’art en suivi multi-objets est généralement montrée sur des vidéos à fréquence image élevée, où les objets bougent très peu d’une image à l’autre. Il y a cependant des intérêts à travailler dans le cas plus difficile d’une fréquence faible ou alternativement de mouvements forts. Cet article étudie à quel point la performance de suivi est affectée par une diminution de fréquence image, et identifie les méthodes les plus adaptées à cet usage alternatif.

235. Segmentation et caractérisation de la zone avasculaire centrale d'images OCT-A tenant compte de la variabilité inter-expert Charles Jabour, Damien Garcia, Thibaud Mathis, Olivier Loria, Cédric Rochepeau, Brahim Harbaoui, Pierre Lantelme, Didier Vray, Odyssée Merveille. p. 149-152 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La zone avasculaire centrale (ZAC) est couramment analysée dans des images acquises par OCT-A pour diagnostiquer des pathologies de la rétine. Ce diagnostic se base généralement sur des caractéristiques anatomiques décrivant la ZAC, annotations manuellement par les ophtalmologistes. Or, ces annotations, diffèrent d'un expert à l'autre, en particulier pour les cas pathologiques. Les caractéristiques anatomiques ainsi produites sont donc peu fiables . Dans ce travail, nous avons développé un nouveau cadre pour segmenter automatiquement la ZAC en nous basant sur les annotations de trois experts différents, afin de mesurer automatiquement et de manière robuste ces caractéristiques anatomiques. Une contrainte basée sur la distance de Hausdorff a été utilisée pour traiter spécifiquement les ZAC pathologiques complexes, qui sont généralement mal segmentées par les méthodes automatiques classiques. Nous avons utilisé une base de données de plus de $200$ images pour entraîner et tester notre modèle, et nous avons obtenu des performances proches ou dans la variabilité inter-expert.

236. SCANPNT : UNE M ́ETHODE DE PR ́EDICTION DU CHEMIN DE VISUELLE OCULAIRE L ́EG `ERE ET EFFICACE Mohamed Amine KERKOURI, marouane Tliba, aladine chetouani, Alessandro Bruno. p. 153-156 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous proposons une nouvelle approche pour prédire des parcours oculaires de longueur variable dans les images en utilisant une architecture légère. L'architecture est entièrement convolutive et utilise des priors apprenables appartenant au domaine de tâche. Cela pour affiner les caractéristiques des stimuli et introduire des biais spécifiques du domaine. Elle incorpore également des branches de prédiction parallèles pour prédire les coordonnées séparément pour chaque dimension en basant sur des parties du modèle 3D PointNet. Nous corrigeons également le problème introduit par la propriété d'invariance de permutation de PointNet en ajoutant un module d'encodage positionnel pour assurer l'impact de l'ordre des caractéristiques. Les résultats obtenus sur un jeu de données sont compétitifs par rapport aux modèles de l'état de l'art. Projet TIC-ART financé par la Région Centre-Val de Loire).

237. Improved EMVD for RAW video denoising Zhe ZHENG, Gabriele FACCIOLO, Pablo ARIAS. p. 157-160 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Résumé: Ces derniers temps, le domaine du débruitage d'images et de vidéos connaît une révolution grâce à l'apprentissage profond. Ces méthodes sont plus performantes que les approches traditionnelles basées sur des modèles dans presque tous les problèmes de restauration d'images et de vidéos. Dans cet article, nous nous concentrons sur une approche récurrente récemment proposée pour le débruitage vidéo, à savoir la méthode de débruitage vidéo multi-étapes efficace (EMVD). Elle se compose de trois étapes, à savoir la fusion, le débruitage et le raffinement. Nous proposons d'améliorer les performances de trois manières. (1) Nous appliquons la compensation de mouvement pour mieux utiliser la redondance temporelle, (2) nous appliquons la stabilisation de la variance pour aider ce réseau léger à gérer le bruit dépendant du signal et (3) nous découplons la détection des occultations et la prédiction des poids de fusion. Abstract: Recently, the field of image and video denoising is undergoing a revolution thanks to deep learning. These methods outperform traditional model-based approaches in almost every image/video restoration problem. In this paper, we focus on a recently proposed recurrent approach for video denoising, namely Efficient Multi-stage Video Denoising method (EMVD). It consists of three stages, including fusion, denoising, and refinement stages. We propose to improve performance in three ways. (1) We apply motion compensation to make better use of temporal redundancy, (2) we apply variance stabilization to help this light-weighted network deal with signal-dependent noise and (3) we decouple occlusion detection and fusion weights prediction.

238. Analyse du bitstream pour la détection de Falsification Video Paul Canchon, Hugo Jean, Hugo Merly, Emmanuel Giguet, Christophe Charrier. p. 161-164 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous proposons une méthode de détection de falsification vidéo basée sur l'analyse du bitstream pour les vidéos au format H.264 ou MPEG-4 AVC. Cette méthode a pour objectif de détecter les altérations inter-frames : insertion, suppression, permutation, duplication. Les caractéristiques prises en compte pour la classification sont directement issues de la séquence de bits du fichier. La méthode a par conséquent l'avantage de ne pas requérir le décodage de la vidéo, ce qui permet d'obtenir une analyse rapide et économique des fichiers. La qualité de la détection reste par ailleurs très significative en terme de détection binaire, vidéo falsifiée / non falsifiée, avec une f-mesure de 94.89, et une f-mesure de 70.33 pour la classification multiclasse.

239. Segmentation statistique d’images du bois de vigne par champs de Markov triplets Sonia Ouali, Jean-Baptiste Courbot, Romain Pierron, Olivier Haeberle. p. 181-184 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous allons présenter dans cet article une méthode de champs de Markov triplets qui permet de traiter conjointement le problème de segmentation d’images de bois de vigne atteint d’esca et celui de déconvolution non-stationnaire qui permet d’estimer la profondeur du pathogène dans le bois. Les images sont obtenues avec un microscope de fluorescence dont la fonction d’étalement du point (PSF) est connue. Nous avons comparé nos résultats à ceux obtenus avec des champs de Markov couples. Ces derniers considèrent la PSF constante. Notre modèle fait gagner 5% en taux de classification.

240. Tensor-based image fusion accounting for inter-image variability: Recoverability and algorithms Ricardo Borsoi, Clémence Prévost, Konstantin Usevich, David Brie, José Bermudez, Cédric Richard. p. 185-188 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous proposons une approche pour la reconstruction d’images à haute résolution par fusion d'images hyperspectrales et multispectrales prenant en compte la variabilité entre les images. L'image haute résolution et la variabilité inter-images sont représentées sous forme de tenseurs et sont supposées admettre une décomposition de Tucker. Deux algorithmes sont proposés, et des conditions pour une reconstruction exacte de l’image à haute résolution sont fournies. Les résultats expérimentaux illustrent les performances des méthodes proposées.

241. Apprentissage d’un terme de régularisation reconnecteur pour la segmentation variationnelle des vaisseaux sanguins en 3D Sophie Carneiro Esteves, Antoine Vacavant, Odyssée Merveille. p. 189-192 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La segmentation des vaisseaux sanguins est une tâche complexe car les vaisseaux sont fins, tortueux et peu contrastés. La connectivité du réseau vasculaire est généralement perdue lors de la segmentation alors qu’il s’agit d’une propriété cruciale pour la plupart des applications telles que la modélisation et la simulation du flux sanguin. Dans un travail précédent, nous avons proposé d’apprendre un terme de régularisation reconnecteur qui peut être utilisé dans un schéma de segmentation variationnel pour les images 2D. Dans ce travail, nous étendons cette méthode à l’imagerie 3D. Nous adaptons tout d’abord l’apprentissage du terme reconnecteur aux images 3D et améliorons l’algorithme de segmentation variationnelle pour améliorer sa stabilité et son efficacité dans le contexte 3D. Nous montrons que notre terme de régularisation préserve mieux les réseaux vasculaires dans les images réelles que l’approche variationnelle classique et améliore notamment la connectivité globale des réseaux vasculaires de près de 10%.

242. Learnable Pretext Task for Anomaly Detection Loïc Jézéquel, Son VU, Jean Beaudet, Aymeric HISTACE. p. 193-196 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La détection d'anomalie profonde est devenue une solution attrayante dans de multiples domaines et a connu récemment de nombreux développements. L'une des pistes les plus prometteuses est l'utilisation de tâches prétextes. Cependant, celles-ci sont limitées par l'absence d'échantillons anormaux et comportent un biais inductif important. Pour palier ces limitations, nous introduisons le concept de tâches prétextes apprenables, où la tâche prétexte est aussi apprise afin de réussir sur les échantillons normaux tout en échouant sur les anomalies. En appliquant le concept de tâche apprenable sur une tâche de reconnaissance de TPS, notre méthode discrimine mieux les anomalies aux cas limite et améliore considérablement les performances globales. Celle-ci surpasse l'état de l'art avec une réduction d'erreur relative jusqu'à 49% sur divers problèmes de détection d'anomalies.

243. Classes adversaires dans l’apprentissage avec peu d’exemples Raphael Lafargue, Bastien Pasdeloup, Jean-Philippe DIGUET, Vincent Gripon. p. 197-200 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’apprentissage avec peu d’exemples est un problème de l’apprentissage automatique où très peu d’exemples étiquetés sont disponibles. Souvent, les connaissances d’un modèle pré-entraîné avec beaucoup de données sur des classes disjointes sont transférées pour répondre au problème. Il est communément admis que, plus ces données de pré-entraînement sont nombreuses et variées, meilleure sera la performance. Au contraire, nous montrons que moins peut faire mieux. Au travers d’expériences et d’une modélisation basée sur le rapport signal à bruit, nous montrons qu’un choix plus judicieux de ces données peut être fait.

244. Architecture mixte pour améliorer la dynamique absolue des numériseurs radio-fréquences Baptiste Laporte-Fauret, Guillaume Ferré, Dominique Dallet, Bryce Minger, Loïc Fuché. p. 201-204 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article propose une nouvelle architecture de numériseur, appelée MIXIC pour MIXed signal Interference Cancellation, afin d'atteindre des performances de dynamique en réception (Rx) supérieures à celles des convertisseurs analogiques numériques (CAN) de l'état de l'art. La solution proposée combine un CAN et un convertisseur numérique analogique (CNA) afin de réduire l'influence du bruit thermique intrinsèque aux architectures à conversion directe. La solution est détaillée ainsi que son impact sur le facteur de bruit global du numériseur en la comparant avec une architecture utilisant les techniques classiques de contrôle automatique de gain (CAG). Des résultats sont également présentés en utilisant des signaux de communication numérique pour obtenir à la fois des courbes de TEB et une représentation spectrale mettant en évidence un gain de 10 dB sur la dynamique.

245. Un écosystème Julia pour prototyper efficacement des radios logicielles Corentin Lavaud, Robin GERZAGUET, Matthieu Gautier, Olivier Berder. p. 205-208 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce papier présente une nouvelle approche de prototypage rapide et efficace à partir du langage Julia. Les radios logicielles sont des architectures radio-fréquences (RF) qui permettent de capter un signal électro-magnétique et de le traiter numériquement avec des processeurs de calcul. Du fait leur flexibilité RF et numérique, les radios logicielles sont des outils précieux largement déployés dans des contextes très divers. La majorité de la chaîne de traitement se faisant via un logiciel, il convient de choisir un langage de programmation qui garantisse cette flexibilité. Les stratégies classiques s'appuient sur des langages de description bas-niveau (e.g. C/C++), pour garantir les performances d'exécution au détriment de la simplicité de conception, ou des approches haut-niveau (e.g. Python) pour offrir une grande capacité d'abstraction au détriment des performances. Dans cet article, nous introduisons une nouvelle méthodologie basée sur le langage Julia qui adresse ce problème du "double langage". Nous proposons un ensemble d'outils pour piloter des radios logicielles et nous démontrons par l'intermédiaire d'un benchmark que les performances obtenues avec l'approche Julia sont très intéressantes.

246. Implémentation du codage à minimum d’énergie pour les wake-up radios Nour El Hoda Djidi, Matthieu Gautier, Antoine Courtay, Olivier Berder. p. 209-212 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les Wake-up Radios (WuR) sont une des solutions les plus prometteuses pour permettre une consommation d’énergie ultra faible dans les réseaux de capteurs sans fil. Cependant, les WuR ont plusieurs limitations telles que leur faible sensibilité, induisant une mauvaise réception du signal de réveil, et donc une dégradation des performances de l’ensemble du système. Ce travail introduit l’utilisation d’un codage à minimum d’énergie afin d’améliorer la fiabilité des WuR tout en étant économe en énergie. Le décodage est implémenté sur le micro-contrôleur faible consommation de la WuR utilisée. Il est démontré, en combinant des modèles analytiques et des mesures expérimentales, une amélioration de la fiabilité jusqu’à 22% et une économie d’énergie totale de 42% lorsque le codage à minimum d’énergie est utilisé.

247. Atténuation des Défauts dans les Réseaux sur Puce avec une Approche de Brassage de Bits Basée sur des Régions. Romain Mercier, Cédric Killian, Angeliki Kritikakou, Youri Helen, Daniel Chillet. p. 213-216 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’évolution technologique s’appuyant sur la réduction de la taille des transistors conduit à une plus grande sensibilité pouvant conduire à des fautes. De plus, au sein d’un système sur puce, un réseaux d’interconnexion fautif peut largement impacter le fonctionnement d’une application puisqu’il transporte une grande quantité de données. Compte tenu des ces deux éléments, des techniques de protection des données doivent être développées pour atténuer l’impact des fautes sur l’application. Des travaux proposent de mélanger les bits à l'intérieur d'un flit, transférant l'impact des fautes sur les bits les moins significatifs. Cependant, ces approches sont appliquées à un niveau de grain fin, fournissant une atténuation des défauts efficace, mais avec des coûts matériels importants. Pour remédier à cette limitation, ce travail propose une technique de brassage de bit par région, qui sacrifie l'efficacité afin de réduire les coûts matériels.

248. Compression par pseudo-randomisation partielle des réseaux de neurones convolutifs sous fortes contraintes mémoire Florent Crozet, Stéphane Mancini, Marina Nicolas. p. 217-220 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le nombre de paramètres des réseaux de neurones convolutifs explose créant une contrainte forte pour l’implémentation des algorithmes sur des systèmes embarqués. Dans certains dispositifs électroniques, la capacité mémoire est strictement limitée et il devient nécessaire de remplacer le stockage des données par leur compression préalable, puis la décompression à la volée. Afin d’obtenir un compromis entre la précision et le nombre de paramètres à stocker, nous proposons une méthode de compression basée sur une décomposition linéaire des filtres en vecteurs appris et vecteurs générés. Les vecteurs appris sont stockés alors que les autres sont générés de manière pseudo-aléatoire lors de l’inférence. Avec cette méthode, nous divisons par 8 le nombre de paramètres à stocker pour un réseau de neurones VGG16 en perdant seulement 6% de précision.

249. Nouvel algorithme d’inversion robuste pour le RADAR GPR Matthieu Gallet, Ammar Mian, Guillaume Ginolhac, Nickolas Stelzenmuller. p. 221-224 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans ce papier, nous proposons une nouvelle méthode d’inversion dans le but d’améliorer la détection d’objets enfouis. Pour cette détection, on utilise un RADAR GPR (Ground Penetrating Radar) qui émet une onde qui va traverser le sous sol et se réfléchir sur d’éventuels objets enterrés. A cause du mouvement du RADAR la réponse de ces objets a une forme d’hyperbole. L’approche proposée dans ce papier est basée sur un modèle convolutif avec dictionnaire et une matrice rang faible. Le problème d’optimisation utilise une norme d’Huber à la place de la norme classique pour avoir une meilleure robustesse au bruit qui est très présent dans une image GPR. Nous testons notre approche sur un jeu de données réelles fourni par la société Géolithe et montrons l’apport de la norme de Huber par rapport à la norme classique.

250. Robust PCA pour l’imagerie Radar à travers les murs Hugo Brehier, Arnaud Breloy, Chengfang Ren, Israel Hinostroza, Guillaume Ginolhac. p. 225-228 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’imagerie radar à travers murs (TWRI) est un domaine de recherche qui vise à sonder l’intérieur d’un bâtiment depuis l’extérieur. Dans le cadre le plus répandu, cela consiste à détecter des cibles fixes. À rebours des techniques classiques de radar à synthèse d’ouverture (SAR), des techniques de reconstruction parcimonieuse ont été proposées pour résoudre ce problème. Ces méthodes reposent sur une étape de prétraitement où une séparation appropriée des sous-espaces mur et cibles est effectuée pour filtrer la réponse du mur obstruant la vue du radar sur la pièce. Dans ce travail, nous explorons des méthodes en une étape de décomposition jointe en matrices de rang faible et parcimonieuse via Robust PCA (RPCA). La reconstruction proposée est nouvelle et fait appel à un problème d’inversion structuré en produit de Kronecker pour lequel nous adaptons l’algorithme Alternating Direction Method of Multipliers (ADMM). Nous validons et comparons notre méthode avec des simulations.

251. Apport de l’information angulaire pour la réduction des ambiguïtés de localisation en radar “Around-the-corner” Ba-Huy Pham, Olivier Rabaste, Jonathan Bosse, Israel Hinostroza, Thierry Chonavel. p. 229-232 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le radar around-the-corner est une technique récente développée pour détecter et localiser des cibles en absence de ligne de vue directe (NLOS pour Non-Line of Sight). L’utilisation du filtre adapté sous-espace (SMF pour Subspace Matched Filter) permet de formaliser dans ce contexte les problèmes de détection et d’estimation avec des multi-trajets de fac¸on similaire à ceux du radar conventionnel. Le problème majeur rencontré dans la localisation est la présence d’ambiguïtés fortes - des positions fantômes susceptibles de biaiser l’estimation de la position de la cible. Cet article a pour objectif de proposer une solution permettant de réduire ces ambiguïtés grâce à l’apport d’informations supplémentaires fournies par l’angle d’arrivée des multi-trajets.

252. Estimation du canal acoustique sous-marin pour le positionnement et suivi de plateformes dérivantes sous-marines Mathis Grangeon, François-Xavier Socheleau, Aurélien Ponte, Florent Le Courtois, Bazile Kinda. p. 237-240 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La variabilité océanique de sous-mésoéchelle (fronts, filaments, ondes, < 10 km, <1 semaine) joue un rôle potentiellement important dans le fonctionnement physique et biologique de l'Océan, notamment du fait des échanges entre l'océan profond et la surface. Une nouvelle méthode d'observation de cette variabilité consiste à monitorer par géolocalisation acoustique la dérive d'une meute de flotteurs autonomes déployées dans des structures de sous-mésoéchelle d'intérêt. Cette géolocalisation nécessite la résolution d'un problème inverse qui repose sur l'estimation du canal de propagation acoustique sous-marin. Dans cet article, une méthode d'estimation de canal est proposée. Elle repose sur le formalisme du rapport de vraisemblance généralisé multi-familles et est adaptée aux canaux multi-trajets et multi-échelles propres à notre contexte. Ses performances sont validées à l'aide d'un simulateur couplant des modèles océanographiques et acoustiques.

253. Classification de séries temporelles massives d'images satellitaires par des processus gaussiens variationnels parcimonieux et des descripteurs spatio-spectro-temporels Valentine Bellet, Mathieu Fauvel, Jordi INGLADA. p. 245-248 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente une approche permettant la classification pixellaire de séries temporelles d'images satellites massives à partir de processus gaussiens. Notre modèle s'appuie sur des processus gaussiens variationnels parcimonieux associés à des fonctions de covariance spatio-spectro-temporelles. Les résultats expérimentaux réalisés sur un jeu de données à l'échelle nationale montrent que notre méthode est efficace et comparable à des approches de l'état de l'art (forêt d'arbres décisionnels et méthodes d'apprentissage profond).

254. Modèle d'ensemble d'apprentissage profond basé sur la représentation au second ordre de descripteurs multi-couches d'un CNN Sara Akodad, Lionel Bombrun, Yannick Berthoumieu, Christian GERMAIN. p. 249-252 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'architecture d'un réseau de neurones convolutif (CNN) est formée par une succession de blocs de traitement, appelés aussi couches, qui permettent d'extraire et d'apprendre des caractéristiques discriminantes sur les images d'entrée. En particulier, les réseaux de neurones convolutifs sont constitués d'une couche dite de pooling. C'est une opération de sous-échantillonnage typiquement appliquée après une couche convolutive. Par ailleurs, les réseaux de neurones convolutifs de second ordre sont caractérisés par un opérateur de pooling qui permet de calculer la matrice de covariance globale. Il a été démontré dans la littérature que ce type d'opération permet de capter des statistiques plus riches, améliorant ainsi la représentation et la capacité de généralisation des CNN. Cependant, cette matrice est calculée uniquement sur les cartes de caractéristiques les plus profondes. Pour bénéficier de différents niveaux d'abstraction, nous proposons d'étendre les modèles existants en utilisant une approche multi-couches. Par ailleurs, pour obtenir de meilleures performances prédictives, une architecture d'ensemble est proposée. Des expérimentations sont menées sur quatre jeux de données afin de valider le potentiel du modèle proposé pour diverses applications de traitement d'image telles que la classification de scène de télédétection, la reconnaissance de scènes d'intérieur et la classification de textures.

255. Ajout non supervisé d’une modalité pour la télédétection Jean-Christophe Burnel, Sébastien Lefèvre, Luc Courtai. p. 253-256 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'apprentissage profond nécessite une grande quantité d'annotations qui ne sont pas toujours disponibles pour toutes combinaisons de modalités et pour une tâche donnée. Cet article explore la question de l'ajout d'une modalité à un modèle pré-entraîné sans avoir recours à des annotations supplémentaires. En utilisant l'auto-entraînement, une technique d'auto-étiquetage, nous proposons non seulement de générer des pseudo-annotations pour des données multimodales, mais également de générer une pseudo-modalité pour les données annotées. Nous évaluons cette méthode sur un jeu de données avec comme première modalité l'orthophotographie couleur et en seconde modalité le modèle numérique de surface associé. Nous montrons que notre méthode permet d'améliorer les performances d'un réseau, notamment pour les classes qui nécessitent l'utilisation des deux modalités.

256. Méthodes probabilistes d'apprentissage profond avec a priori physiques de représentations interprétables Yoël Zerah, Silvia Valero, Jordi Inglada. p. 257-260 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons une méthodologie d’apprentissage profond, intégrant des contraintes physiques, de représentation latentes probabilistes et interprétables, sémantiquement liées aux paramètres de modèles physiques. La méthode est appliquée à des images satellitaires optiques pour estimer des métriques de phénologie de végétation.

257. Théorie symplectique de l’Information et de la chaleur : thermodynamique des groupes de Lie et définition de l’Entropie comme fonction de Casimir Frederic BARBARESCO. p. 261-264 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

En 1969, Jean-Marie Souriau a introduit une "Thermodynamique des Groupes de Lie" dans le cadre du modèle Symplectique de la Mécanique Statistique. Sur la base de ce modèle, nous introduirons une caractérisation géométrique de l'entropie en tant que fonction invariante de Casimir en représentation coadjointe, où le cocycle de Souriau est une mesure de l'absence d'équivariance de l'application moment. L'espace dual de l'algèbre de Lie réalise un feuilletage via les orbites coadjointes ; feuilles symplectiques qui sont également les ensembles de niveaux de l'entropie. Dans le cadre de la thermodynamique, le mouvement restant sur ces feuilletages est non dissipatif, alors que le mouvement transversal à ces feuilles symplectiques est dissipatif. Le modèle fonde également le 2ème principe de la thermodynamique, liée à définie positivité du tenseur associé à la généralisation de la métrique de Koszul-Fisher de la Géométrie de l'Information. Nous introduirons une nouvelle équation géométrique de la chaleur de Fourier qui s’écrit de façon intrinsèque comme une équation d’Euler-Poincaré. En conclusion, l'entropie en tant que fonction de Casimir est caractérisée par la cohomologie de Poisson introduite par Jean-Louis Koszul.

258. Densité de probabilité gaussienne à maximum d’Entropie pour les groupes de Lie basée sur le modèle symplectique de Jean-Marie Souriau Frederic BARBARESCO. p. 265-268 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous introduisons les densités de probabilité pour les groupes de Lie sur la base du modèle symplectique de la physique statistique de Jean-Marie Souriau, appelé la « Thermodynamique des groupes de Lie ». Pour décrire la statistique pour un groupe de Lie, on considère la variété symplectique homogène associée aux orbites coadjointes du groupe via la 2-forme de Souriau. La densité à maximum d’Entropie est donnée par la densité de Gibbs covariante définie sur la variété symplectique via l’application moment de Souriau. Nous illustrons ce modèle pour les groupes de Lie SU(1,1) (qui agit sur le disque de Poincaré) et SU(N,N) (qui agit sur le disque de Siegel). Pour ce dernier, on peut déduire la densité pour les matrices symétriques définies positives comme élément du demi-espace de Siegel.

259. STATISTICAL FROBENIUS MANIFOLDS, LIE GROUPS AND LEARNING Noemie Combe. p. 269-272 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

In this paper, $n$-dimensional statistical manifolds related to exponential families and satisfying the Frobenius manifold axioms are considered. We prove that these manifolds ${\cV_n}$ are equipped with a structure of a Lie group $\fG'$. Since these manifolds can be regarded as a realisation of a module over an algebra generated by a pair of orthogonal idempotents, the submanifolds corresponding to the realisations of the modules over these ideals are totally geodesic. This Lie group $\fG'$ splits into a product of Lie groups $\fG\otimes \fG$, where $\fG$ acts on the respective submanifolds. Moreover, the learning process on Frobenius statistical manifold is equipped with an additional algebraic structure, being the direct product of a continuous transformation group and of a group of affine collineations.

260. Extrinsic means of isotropic distributions on hyperbolic spaces Emmanuel Chevallier. p. 273-276 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

In this paper, we show that for isotropic probability distributions on hyperbolic spaces, the Fréchet mean and the extrinsic mean defined from the hyperboloid model coincide. The analysis of convergence rates shows that the expected squared error of the estimation of the extrinsic mean, and of the Fréchet mean, decrease at the same speed. The low computational complexity and programming efforts required for the computation of the extrinsic mean make it an interesting alternative to the Fréchet mean.

261. Barycentres de séries temporelles : une nouvelle approche basée sur la méthode de la signature Raphael Mignot, Konstantin Usevich, Marianne Clausel, Georges Oppenheim, Laure Coutin, Antoine Lejay. p. 277-280 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le but de ce travail est de moyenner des séries temporelles multivariées en utilisant une représentation des séries temporelles à base d’intégrales de moments d’ordres différents, constituant sa signature. La contribution de cet article est de proposer d’exploiter la structure de groupe de Lie pour moyenner des signatures en utilisant les opérations exp et log du groupe à l’image de la géométrie Riemannienne.

262. A novel notion of barycenter for probability distributions based on optimal weak mass transport Elsa Cazelles, Felipe Tobar, Joaquín Fontbona. p. 281-284 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Afin de résumer l'information d'une famille finie de mesures de probabilité, il est naturel de considérer leur moyenne de Fréchet par rapport à la distance de Wasserstein-2, c'est-à-dire le barycentre de Wasserstein. Nous définissons de manière analogue un barycentre basé sur le transport optimal faible, qui correspond à un coût barycentrique quadratique de transport. Nous adressons l'interprétation de ces barycentres faibles au moyen de l'ordre convexe entre mesures de probabilité et nous montrons que, plutôt que de moyenner les géométries d'un ensemble de distributions (comme le fait le barycentre de Wasserstein classique), les barycentres faibles extraient une information géométrique commune à toutes les mesures, et celle-ci peut être encodée par une variable aléatoire latente sous-jacente.

263. Transport optimal entre GMM pour la synthèse de texture Julie Delon, Agnès Desolneux, Arthur Leclaire. p. 285-288 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'utilisation du transport optimal est devenue très populaire en traitement d'images, malgré des temps de calcul en grande dimension souvent prohibitifs. Nous proposons ici d'utiliser une formulation alternative récente consistant à restreindre le problème du transport optimal à l'ensemble des modèles de mélanges gaussiens pour en simplifier le calcul. Nous utilisons cette formulation pour revisiter le modèle de texture Texto basé sur le transport optimal entre distributions de patchs d'images. L'utilisation de cette formulation dans ce modèle de texture permet de traiter de plus grands patchs, fournissant ainsi des résultats avec de meilleurs détails géométriques.

264. Factorisation en Matrices Non négatives basée Dictionnaire avec l’aide du transport optimal Rémi Cornillet, Jérémy Cohen, Nicolas Courty. p. 289-292 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La Factorisation en Matrices Non négatives (NMF) est une méthode bien connue de réduction de dimensions et d’approximation de rang faible, permettant de représenter des données sous la forme d’une combinaison linéaire positive de templates interprétables. Dans un cadre semi-supervisé où ces templates sont des distributions et sont à sélectionner parmi les colonnes d’un dictionnaire connu, le transport optimal est tout indiqué pour définir une distance entre ces templates et le dictionnaire. Dans cet article, nous introduisons le modèle NMF basée Dictionnaire avec régularisation Wasserstein (NMFDW) et discutons son utilité pour le démélange d’images hyperspectrales. Un algorithme de descente par bloc de coordonnées est proposé pour estimer les paramètres du modèle, et ses performances sont évaluées sur des données semi-synthétiques de télédétection. Sur ces données, le modèle NMFDW apparaît plus robuste aux perturbations, mais ses performances sont inférieures à l’état de l’art.

265. Détection d’anomalies en SAR basée sur les réseaux génératifs Max Muzeau, Chengfang Ren, Sébastien Angelliaume, Mihai Datcu, Jean-Philippe OVARLEZ. p. 293-296 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce papier propose une méthode de détection d’anomalies pour l’imagerie SAR basée sur l’apprentissage profond. Elle ne nécessite pas de vérité terrain des anomalies, ce qui répond à un problème récurrent en télédétection : le manque de données annotées pour entraîner les réseaux de neurones. Le modèle proposé combine un adversarial autoencoder suivi d’un détecteur statistique de changement basé sur la matrice de covariance. Une étape de despeckling est préalablement effectuée, ce qui permet de filtrer le bruit de speckle et d’améliorer significativement les performances de détection.

266. Détection de changement dans les images SAR polarimétriques hétérogènes Nizar BOUHLEL, Félix MERCIER, David Rousseau. p. 297-300 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons dans ce papier un test statistique du rapport de déterminant hétérogène (HT) pour mesurer la similarité de deux matrices de covariance pour la détection de changement de façon non supervisée dans des images radar SAR polarimétriques. La matrice de covariance complexe multilook est supposée suivre le modèle de produit. La distribution de la statistique du test HT développée sous l’hypothèse nulle est exprimée en termes de fonctions Fox-H. Grâce à cette distribution, l’algorithme du taux constant de fausses alarmes (CFAR) est dérivé et un seuil est appliqué à la statistique HT produisant une carte de changement. Enfin, des données PolSAR multilook simulées sont utilisées pour évaluer les performances de la méthode et sont comparées à la statistique de la trace de Hotelling-Lawley (HLT) et à la statistique du test du rapport de déterminant (DRT).

267. Débruitage multi-temporel d’images radar à synthèse d’ouverture par apprentissage profond auto-supervisé Ines MERAOUMIA, Emanuele Dalsasso, Loïc DENIS, Florence TUPIN. p. 301-304 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les satellites imageurs radar (SAR) représentent une modalité très utilisée pour l’observation de la terre, fournissant à chaque revisite une nouvelle image de la zone d’intérêt. L’interprétation des images SAR est cependant difficile à cause du phénomène de chatoiement: des fluctuations apparaissent dans l’image, d’autant plus fortes là où la réflectivité radar est élevée. Un grand nombre de méthodes de réduction du chatoiement ont donc été développées. Nous proposons ici une approche d’apprentissage profond présentant deux originalités: 1) l’exploitation d’une série temporelle d’images afin d’améliorer la restauration d’une image d’intérêt et 2) l’entraînement sans référence du réseau de neurones.

268. Optimisation Rapide du Filtre Désadapté pour des Problèmes à Grande Échelle: Cas de l'Imagerie Radar Maria-Elisavet Chatzitheodoridi, Abigael Taylor, Olivier Rabaste, Hélène Oriot. p. 309-312 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'atténuation des lobes secondaires est un critère essentiel pour avoir de bonnes performances en radar. Elle peut être obtenue par l'utilisation d'un filtre désadapté, solution d'un problème d'optimisation convexe, qui minimise l'énergie moyenne des lobes secondaires. Cependant, l'optimisation d'un tel filtre peut être coûteuse, surtout pour des problèmes à grande échelle. Ainsi, cet article propose un algorithme rapide pour calculer le filtre désadapté optimal qui minimise le niveau intégré de lobes secondaires, fondé sur l'optimisation du problème dual. Le temps de calcul résultant montre une amélioration spectaculaire du temps d'exécution de la méthode proposée en comparaison avec la Toolbox Matlab CVX. Cette méthode est appliquée à un système conjoint SAR-communication qui utilise des codes de communication pour générer une image SAR.

269. Réseaux de neurones hyperboliques équivariants pour le traitement d’images Fish-Eye Pierre-Yves LAGRAVE, Frédéric BARBARESCO. p. 313-316 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le traitement des images Fish-Eye à l’aide d’algorithmes d’apprentissage automatique conventionnels tels que les réseaux de neurones convolutifs est une tâche difficile en raison de la distorsion induite par la projection des images hémisphériques brutes dans le plan euclidien. Nous présentons dans cet article une approche basée sur le domaine émergent de l’apprentissage profond géométrique, dans laquelle des techniques de projection hyperbolique sont couplées à des mécanismes d’équivariance afin de préserver les dépendances géométriques natives et d’obtenir une certaine robustesse par rapport aux variations naturelles de la perception des images Fish-Eye. Ce travail motive en particulier le développement de réseaux de neurones équivariants vis-à-vis des groupes SU(1,1) et SL(2,R).

270. Estimation de la trajectoire d'un projectile ajustée dynamiquement par un réseau de neurones Alicia Roux, Sébastien Changey, Jonathan Weber, Jean-Philippe Lauffenburger. p. 317-320 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente un filtre de Kalman Étendu Imparfait Invariant à droite (Imp.R-IEKF) pour estimer la trajectoire d'un projectile uniquement à partir de l'Unité de Mesure Inertielle (IMU) embarquée dans ce dernier. La matrice de covariance du bruit de mesure du filtre est ajustée dynamiquement par un réseau de neurones convolutifs (CNN) afin d'adapter les estimations aux différentes phases de vol du projectile. L'algorithme proposé est évalué sur des simulations de tirs de projectile et comparé à la trajectoire de référence. Le filtre ajusté dynamiquement par le CNN permet ainsi de réduire significativement les erreurs d'estimation de la trajectoire.}

271. Filtrage Particulaire sur Groupes de Lie Clément Clément, Karim Dahia, Nicolas Merlinge, Bénédicte Winter-Bonnet, Aurélien Blanc, Christian Musso. p. 321-324 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les filtres particulaires sont une famille de méthodes numériques permettant de traiter des problèmes d’estimation non-linéaires et non-Gaussiens. Ils constituent un domaine de recherche actif. En particulier, les nouveaux travaux sur le filtre particulaire dans les groupes de Lie présentés dans cet article démontrent des résultats numériques prometteurs. Les algorithmes proposés sont testés sur un scénario de navigation longue portée.

272. Réseaux de neurones profonds géométriques basés sur des transformations rigides et non rigides pour la reconnaissance de l’action humaine Rasha Friji, Hassen Drira, Faten Chaieb, Hamza Kchok. p. 325-328 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Bien que les architectures d'apprentissage profond soient efficaces dans la plupart des tâches de vision par ordinateur, elles ont été conçues pour des données avec une structure euclidienne. Cette condition n'est généralement pas remplie puisque les données prétraitées peuvent se situer sur un espace non linéaire. Dans cet article, nous proposons une approche d'apprentissage profond sensible à la géométrie utilisant l'optimisation des transformations rigides et non rigides pour la reconnaissance d'action basée sur le squelette. Les séquences de squelette sont d'abord modélisées comme des trajectoires sur l'espace de formes de Kendall, puis mappées sur l'espace tangent linéaire. Les données structurées résultantes sont ensuite transmises à une architecture d'apprentissage profond, qui comprend une couche qui optimise les transformations rigides et non rigides des squelettes 3D, suivie d'un réseau CNN-LSTM. L'évaluation sur NTU-RGB+D et NTU-RGB+D 120, a prouvé que l'approche proposée surpasse les méthodes existantes d'apprentissage géométrique profond et dépasse les approches récemment publiées pour la majorité des configurations.

273. Defining an action of SO(d)-rotations on images generated by projections of d-dimensional objects: Applications to pose inference with Geometric VAEs Nicolas Legendre, Khanh Dao Duc, Nina Miolane. p. 329-332 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Recent advances in variational autoencoders (VAEs) have enabled learning latent manifolds as compact Lie groups, such as SO(d). Since this approach assumes that data lies on a subspace that is homeomorphic to the Lie group itself, we here investigate how this assumption holds in the context of images that are generated by projecting a d-dimensional volume with unknown pose in SO(d). Upon examining different theoretical candidates for the group and image space, we show that the attempt to define a group action on the data space generally fails, as it requires more specific geometric constraints on the volume. Using geometric VAEs, our experiments confirm that this constraint is key to proper pose inference, and we discuss the potential of these results for applications and future work.

274. Semi-relaxed Gromov-Wasserstein for graphs classification Cédric Vincent-Cuaz, Rémi Flamary, Marco Corneli, Titouan Vayer, Nicolas Courty. p. 333-336 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La comparaison d'objets structurés tels que les graphes est une opération fondamentale pour de nombreuses tâches d'apprentissage. A cette fin, la distance de Gromov-Wasserstein (GW) , basée sur le Transport Optimal (TO), s'est avérée efficace pour comparer de telles entités. GW opère sur les graphes, vus comme des mesures de probabilité sur des espaces décrits par les relations de connectivité de leurs noeuds. Au coeur du TO réside l'idée de conservation de masse, qui impose un couplage entre tous les noeuds des deux graphes considérés. Nous soutenons dans ce papier que cette propriété peut être préjudiciable pour des tâches telles que l'apprentissage de dictionnaire (AD), et nous la relaxons donc en proposant une nouvelle divergence issue de GW. Cette dernière amène des avantages computationnels immédiats et induit naturellement une nouvelle méthode d'AD, pertinente pour l'apprentissage non supervisé de représentations et la classification de graphes. Comparing structured objects such as graphs is a fundamental operation involved in many learning tasks. To this end, the Gromov-Wasserstein (GW) distance, based on Optimal Transport (OT), has been successful in providing meaningful comparison between such entities. GW operates on graphs, seen as probability measures over spaces depicted by their nodes connectivity relations. At the core of OT is the idea of mass conservation, which imposes a coupling between all the nodes from the two considered graphs. We argue in this paper that this property can be detrimental for tasks such as graph dictionary learning (DL), and we relax it by proposing a new semi-relaxed Gromov-Wasserstein divergence. The latter leads to immediate computational benefits and naturally induces a new graph DL method, shown to be relevant for unsupervised representation learning and classification of graphs.

275. Transport optimal régularisé semi-déséquilibré pour la restauration d'images Simon Mignon, Bruno Galerne, Moncef Hidane, Cécile Louchet, Julien Mille. p. 337-340 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous étudions dans cet article l'utilisation d'une pénalité basée sur le transport optimal afin de régulariser des problèmes inverses en traitement d'images. L'approche proposée est formulée dans un cadre variationnel et vise à favoriser des images dont les patchs ont une distribution proche de celle apprise par un modèle génératif, ou d'exemples non dégradés disponibles. À l'aide d'illustrations numériques, nous montrons la nécessité d'adopter une forme non symétrique de déséquilibre dans la formulation du transport optimal. Nous donnons ensuite les détails permettant de calculer et de différentier cette formulation. Enfin, nous détaillons son application à un problème particulier de super-résolution~: la complétion de zoom.

276. Approximation du transport optimal entre distributions empiriques par flux de normalisation Florentin Coeurdoux, Nicolas Dobigeon, Pierre Chainais. p. 341-344 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les flux de normalisation sont des outils génériques et puissants pour l'élaboration de modèles probabilistes et l'estimation de densité. Dans cet article, nous montrons que cette classe de modèles permet également d'approcher la solution d'un problème de transport optimal entre distributions empiriques quelconques. Précisément, la fonction de transport optimal est approchée par un réseau inversible dont l'entraînement repose sur une relaxation de la formulation de Monge. Cette approche a notamment l'avantage de permettre une discrétisation de cette fonction de transport en une composition de fonctions associées à chacune des couches du réseau, permettant d'obtenir les transports intermédiaires entre deux mesures.

277. Débruiteur ``descente de gradient'' pour la convergence d'une méthode Plug-and-Play Samuel Hurault, Arthur Leclaire, Nicolas Papadakis. p. 345-348 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les méthodes Plug-and-Play (PnP) forment une classe d'algorithmes itératifs pour la résolution de problèmes inverses en imagerie où la régularisation est effectuée par un débruiteur générique. Bien que produisant de très bons résultats visuels pour différents problèmes d'imagerie, les preuves de convergences actuelles reposent sur des hypothèses peu réalistes pour le débruiteur ou sur la forte convexité de l'attache aux données. Nous proposons un nouveau type de méthode PnP exploitant un débruiteur qui s'écrit comme une étape de descente de gradient sur une fonctionnelle paramétrée par un réseau de neurones profond. Nous démontrons que ce nouvel algorithme converge vers un point stationnaire d'une fonctionnelle explicite.

278. Algorithmes stochastiques et réduction de variance grâce à un nouveau cadre pour l'optimisation bi-niveaux Mathieu Dagréou, Pierre Ablin, Samuel Vaiter, Thomas Moreau. p. 349-352 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’optimisation bi-niveaux a de nombreuses applications en apprentissage automatique. Cet article présente un nouveau cadre pour la résolution de tels problèmes. Ce cadre permet d’éviter les différents obstacles qui se posent pour le calcul efficace du gradient de la fonction objectif. Il rend possible l’utilisation de n’importe quel estimateur non biaisé de directions de descente. Nous proposons une adaptation de l’algorithme de la descente de gradient stochastique et de l’algorithme SAGA à notre cadre. Des expériences numériques valident l’efficacité de l’approche proposée.

279. Reconstruction de Phase Garantie par Descente Miroir Jean-Jacques GODEME, Jalal Fadili, Xavier BUET, Myriam ZERRAD, Michel LEQUIME, Claude AMRA. p. 353-356 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans ce travail, nous considérons le problème de reconstruction de phase, qui consiste à recouvrer un signal de dimension $n$ à partir des modules de ses $m$ mesures linéaires. Nous présentons une nouvelle approche permettant de se passer de la Lipschitz continuité globale du gradient de l’objective non-convexe à minimiser. Pour ce faire, nous introduisons un algorithme de descente miroir non-euclidienne via la divergence de Bregman d’une entropie bien choisie. Nous montrons que lorsque le nombre de mesures $m$ est suffisamment grand, alors avec grande probabilité, pour presque toute initialisation, l’algorithme de descente miroir, converge linéairement avec un taux indépendant de la dimension $n$, permettant ainsi de recouvrer le signal original à un changement de signe près. Nous énonçons nos résultats pour deux types de mesures: Gaussiennes iid et celles obtenues par des masques codés pour des transformées de Fourier aléatoires.

280. Algorithmes proximaux rapides déroulés pour l'analyse d'images fractales homogènes par morceaux Hoang Trieu Vy Le, Barbara Pascal, Nelly Pustelnik, Marion Foare, Patrice Patrice. p. 357-360 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons deux architectures déroulées de réseaux profonds construites à partir des algorithmes proximaux FISTA et Chambolle-Pock afin d'estimer la régularité locale dans les images fractales homogènes par morceaux. Ces deux réseaux, reposant sur un compromis entre approche variationnelle non-supervisée standard par minimisation d'une fonction de coût convexe non-lisse et approche supervisée deep-learning "boîte noire", ont des performances proches entre elles et conduisent à de bien meilleures performances d'estimation de régularité locale et également de détection de contours entre des changements de régularité locale.

281. Sur l'influence du modèle pour l'approche inverse régularisée non-supervisée pour la reconstruction en Microscopie Tomographique Diffractive avec GSURE Laurence Denneulin, Fabien Momey. p. 361-364 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans ce travail, nous étudions l’influence du modèle de formation d’image sur les performances d’une approche, récemment publiée, de reconstruction 3D régularisée non supervisée en microscopie tomographique diffractive, basée sur la minimisation de l’estimateur non-biaisé du risque de Stein généralisé (GSURE). L’étude est réalisée à la fois sur des données simulées et expérimentales. Nos résultats montrent que la précision du modèle est critique pour que GSURE constitue un critère efficace de réglage automatique des hyperparamètres de régularisation, ici la Variation Totale.

282. A priori Plug-and-Play profond pour la restauration de vidéos Antoine Monod, Julie Delon, Matias Tassano. p. 365-368 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente une méthode de restauration de vidéos numériques via une approche Plug-and-Play (PnP). La méthode consiste à utiliser un réseau convolutionnel profond de débruitage pour remplacer l'opérateur proximal de l'a priori dans un schéma d'optimisation alterné. Elle permet de réutiliser un réseau uniquement entrainé pour du débruitage pour d'autres tâches de restauration comme l'interpolation ou le déflouage. Nos expériences montrent l'intérêt d'utiliser un réseau spécifiquement conçu pour le débruitage vidéo qui, avec la même formulation PnP, permet d'atteindre de meilleures performances de restauration et une meilleure stabilité temporelle qu'un réseau mono-image aux performances de débruitage similaires.

283. Apprentissage de méthodes itératives pour l’imagerie de contraste de phase des rayons X Kannara Mom, Max Langer, Bruno Sixou. p. 369-372 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’imagerie par contraste de phase peut être obtenue avec des rayons X si le faisceau est suffisamment cohérent. Cependant, la récupération de la phase et de l’absorption à partir d’une ou plusieurs de ces images est un problème inverse non linéaire et mal posé. Nous proposons ici une méthode d’apprentissage profond pour résoudre ce double problème à partir d’une seule mesure d’intensité. Notre méthode est basée sur l’approche unrolling, qui consiste à dérouler un algorithme itératif et à remplacer une partie des itérations avec un réseau de neurones convolutifs. Dans notre travail, nous n’avons pas à choisir de régularisation, seul le gradient du terme d’attache aux données est fourni à chaque itération, et le réseau est entraîné à apprendre une itération complète à partir de cette information et de l’itération en cours. Nous comparons un schéma de descente de gradient avec pour régularisation la variation totale lissée (GD-TV ϵ ) et sa version unrolling (DUGD). Nous montrons que la version unrolling permet d’obtenir de meilleurs résultats quantitativement et qualitativement, et que le temps de calcul nécessaire est beaucoup plus court que la version itérative classique.

284. Reconstruction tomographique et déconvolution aveugle en TEP : une méthode d’apprentissage profond hybride Théo Leuliet, Voichita Maxim, Bruno Sixou. p. 373-376 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La reconstruction d’image dans le cadre de la Tomographie par Emission de Positons (TEP) peut être modélisée par un problème inverse incluant un opérateur de convolution inconnu en plus de la transformée de Radon. Les méthodes d’apprentissage profond ont récemment montré des résultats probants pour la reconstruction tomographique ou pour la déconvolution aveugle; cependant à notre connaissance, il n’existe pas d’approche combinant ces deux problématiques au sein d’une même structure. Nous proposons un réseau de neurones effectuant cette tâche jointe grâce à une méthode hybride entre apprentissage supervisé et auto-supervisé. Nous montrons sur des simulations que les performances d’un tel réseau sont significativement supérieures à celles d’une approche directe avec un UNET.

285. Factorisation tensorielle couplée en termes de rangs (L, L, 1) : application conjointe à la super-résolution hyperspectrale et au démélange en présence de variabilité spectrale Clémence Prévost, Ricardo Borsoi, Konstantin Usevich, David Brie, José Bermudez, Cédric Richard. p. 377-380 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons une solution conjointe aux problèmes de super-résolution et de démélange de l'image super-résolue. Cette approche utilise la décomposition tensorielle LL1 et tient compte d'un phénomène de variabilité spectrale. Des garanties théoriques de reconstruction sont fournies. Nous proposons un algorithme sous contraintes de positivité, dont les performances sont illustrées sur des images réelles. In this paper, we propose to jointly solve the hyperspectral super-resolution problem and the unmixing problem of the underlying super-resolution image using a coupled tensor LL1 decomposition. We consider a spectral variability phenomenon. Exact recovery conditions are provided. We propose a constrained algorithm to solve the problems at hand. Its performance is illustrated on real images.

286. Reconstruction super-résolue du flux sanguin en IRM de flux 4D par pénalisation des équations de Navier-Stokes sans pré-segmentation Sébastien Levilly, Saïd Moussaoui, Jean-Michel Serfaty. p. 381-384 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ces dernières années, l’intérêt pour l’IRM de flux 4D s’est accru pour sa capacité à imager l’anatomie du cœur et la vitesse 3D du flux sanguin au cours du cycle cardiaque. Toutefois, les contraintes de l’application clinique nécessitent une acquisition avec une résolution limitée qui engendrent des difficultés pour la quantification de biomarqueurs hémodynamiques d’intérêt. Dans ce travail, nous proposons une solution originale pour améliorer la résolution de la carte de vitesse qui s’affranchie de la connaissance a priori du domaine fluide. Ainsi, notre approche s’appuie sur la résolution d’un problème inverse par minimisation d’un critère composé de trois termes : un terme de fidélité aux données, un terme s’appuyant sur la mécanique des fluides et un terme de lissage spatial. Dans cette étude, nous présentons les résultats de validation obtenus sur un jeu de données synthétiques et une application clinique.

287. A public benchmark for denoising and detection methods Juan-Manuel Miramont, Rémi Bardenet, Pierre Chainais, François Auger. p. 385-388 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, un benchmark en libre accès pour les méthodes de débruitage et de détection de signaux est présenté. L'objectif de cet outil est d'établir un cadre commun pour comparer les méthodes, sur la base d'un grand nombre de signaux et d'outils d'interprétation des résultats. Les auteurs de nouvelles méthodes pourraient bénéficier d'un moyen de comparer leur approche avec les précédentes, ainsi que de découvrir les avantages et les inconvénients de leurs propres méthodes. Deux exemples d'utilisation sont fournis, comparant les méthodes basées sur les zéros du spectrogramme aux méthodes basées sur les maxima locaux du spectrogramme, et estimant la puissance statistique des tests de détection. - In this article, a public benchmark for signal denoising and signal detection methods is introduced. The aim of this tool is to establish a common framework to compare methods, on the basis of a large number of signals and tools for interpreting the results. Authors of new methods could benefit from having a way to compare their approach with previous ones, as well as discover advantages and disadvantages of their own methods. Two examples of use are provided, comparing methods based on zeros of the spectrogram against methods based on the local maxima of the spectrogram, and estimating the statistical power of detection tests.

288. Étude d'un algorithme d'optimisation pour le fading temps-fréquence Marina Krémé, Bruno Torrésani. p. 389-392 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous abordons le problème du filtrage des composantes temps-fréquence localisées dans les signaux. Nous le formulons comme un problème de minimisation d'une forme quadratique appropriée, qui implique un terme d'attache aux données sur la transformée de Fourier à court terme en dehors du support de la composante indésirable et un terme de pénalisation de l'énergie à l'intérieur du support. Nous étudions deux méthodes de résolution : une méthode spectrale et une méthode de type quasi-Newton (BFGS). Ces dernières font intervenir des opérateurs appelés multiplicateurs de Gabor. Nous exploitons les techniques de projections aléatoires pour approcher ces opérateurs. Nous étudions et comparons la complexité théorique d'un BFGS classique à un BFGS combiné aux projections aléatoires. Nous comparons le temps de calcul de ces deux méthodes sur plusieurs signaux audio. Nous comparons également leur temps de calcul à celui de la méthode spectrale. Les performances de toutes ces approches sont évaluées et comparées sur plusieurs signaux audio.

289. Reconstruction tomographique faible dose en imagerie dentaire : régularisation TV versus UNet Louise Friot--Giroux, Théo Leuliet, Françoise Peyrin, Voichita Maxim. p. 393-396 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La tomographie 3D avec faisceau conique (CBCT) s'est beaucoup développée dernièrement et en particulier en imagerie dentaire. Toutefois, les images dentaires tomodensitométriques souffrent d'artefacts dus aux projections tronquées, à la géométrique du faisceau conique ou encore à la présence de métal. La reconstruction CBCT dentaire en faible dose est donc un problème difficile et peu traité dans la littérature. Dans ce papier, nous évaluons une méthode itérative permettant d'introduire des informations a priori sur le volume et une méthode d’apprentissage profond sur des acquisitions réelles CBCT dentaires. Les résultats montrent que la méthode par apprentissage profond permet de reconstruire avec davantage de précision un volume avec seulement 20% de la dose normale.

290. Interpolation Rapide Sky to Sky pour l’Imagerie Radio Interférométrique Nicolas Monnier, François Orieux, Nicolas Gac, Cyril Tasse, Erwan Raffin, David Guibert. p. 397-400 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La reconstruction d’images radio interférométriques nécessite le traitement de données dans l’espace de Fourier dont les coordonnées non-régulières empêchent l’utilisation de la FFT. La solution la plus commune repose sur des algorithmes d’interpolation, appelée gridding, coûteux en calculs, en particulier dans les algorithmes itératifs. Dans cet article, nous proposons une reformulation avantageuse, nommée Sky to Sky, permettant de réduire le coup calculatoire du gridding et son adjoint, le degridding, lorsqu’ils sont utilisés successivement. Nous ́etudions l’impact de l’interpolation vis-à-vis du coût de calcul et de l’erreur introduite. Finalement, nous utilisons notre algorithme dans une descente de gradient et montrons une accélération entre 1.2 et 16.4 sans approximation suppl ́ementaire par rapport `a l’état de l’art.

291. Extraction des positions continues des cibles dans les signaux RSO Christophe Kervazo, Saïd Ladjal. p. 405-408 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

En imagerie radar à synthèse d'ouverture, les images considérées sont la somme d'un fond diffus et de cibles très énergétiques. Dans cet article, nous proposons une méthode permettant d'estimer de manière continue la position des cibles dans de tels signaux. Celle-ci se fonde sur une écriture du problème sous la forme d'un problème d'optimisation du type Continuous Basis Pursuit, agrémentée par un choix automatique des hyperparamètres de régularisation. Cette méthode est ensuite complétée par un post-traitement, permettant d'extraire les cibles du signal d'origine et de n'en conserver que le fond. Les deux méthodes sont validées sur données simulées.

292. Du concept de conflit cohérent en fusion d'informations vulnérables Quentin Saint-Christophe, Christophe Osswald, Abdel Boudraa, Cyril Ray. p. 409-412 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Pour vérifier l'intégrité des informations dans le cadre de fusion d'informations vulnérables, une stratégie est d'identifier et écarter les informations altérées ou falsifiées. C'est dans cette optique que ce travail porte sur la définition d'un type de conflit, dit cohérent, ainsi que de la construction d'une règle de fusion cohérente associée. On montre les limites du conflit classique par un exemple standard, et enfin l'efficacité de la métrique de conflit cohérent dans une application numérique.

293. Comparing feature fusion strategies for Deep Learning-based kidney stone identification Elias Villalvazo-Avila, Francisco Lopez-Tiro, Daniel Flores-Araiza, Gilberto Ochoa-Ruiz, Jonathan El Beze, Jacques Hubert, Christian Daul. p. 421-424 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cette contribution présente une méthode d’apprentissage profond pour l’extraction et la fusion d’informations d’images acquises sous différents points de vue dans le but de produire des caractéristiques plus discriminantes entre objets. Notre approche a été conçue pour mimer l'analyse morpho-constitutionnelle utilisée par les urologues pour classer visuellement des fragments de calculs rénaux à partir de leur surface et section. Des stratégies de fusion de caractéristiques profondes ont permis d’améliorer les performances des extracteurs (structures principales des réseaux) à vue unique de plus de 10% en termes de précision de la classification des calculs rénaux.

294. Apprentissage Contrastif et Segmentation : Exploitation des cartes de profondeur pour améliorer l'apprentissage de représentations Ahmed Ben Saad, Axel Davy, Bastien Hell, Guillaume Erhard, Facciolo Gabriele. p. 45-48 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’apprentissage non-supervisé basé sur l’apprentissage contrastif (Contrastive Learning) a suscité un grand intérêt récemment. Ceci est dû aux excellents résultats obtenus sur une variété de tâches ultérieures (en particulier la classification) sur des ensembles de données de référence (ImageNet, CIFAR-10, etc.) sans avoir besoin d’une grande quantité d’échantillons labelisés. Cependant, la plupart des algorithmes d’apprentissage contrastif de référence (SimCLR, MoCo, BYOL) ne sont pas bien adaptés aux tâches de segmentation. Dans cet article, nous étudions une variante de BYOL récemment proposée (appelée PixelCL), qui est mieux adaptée à la segmentation et nous proposons de l’améliorer en incorporant des informations sémantiques provenant de la profondeur de l’image dans le pré-entraînement. Nos résultats montrent que PixelCL est capable d’utiliser cette nouvelle information pour améliorer les représentations apprises de manière non-supervisée.

295. Apprentissage par transfert en grande dimension : application aux images SAR polarimétriques Cyprien Doz, Chengfang Ren, Jean-Philippe OVARLEZ, Romain Couillet. p. 445-448 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente une méthode d'apprentissage par transfert à noyau, sous un modèle de mélange gaussien à $k$ classes pour les données d'entrée. En s'appuyant sur les avancées récentes de la théorie des matrices aléatoires, nous proposons de nouvelles perspectives dans les schémas d'apprentissage par transfert pour les cas difficiles, par exemple, ici, lorsque les statistiques de premier ordre de toutes les classes de données coïncident. L'article montre que la distribution asymptotique de la fonction de décision LS-SVM est gaussienne pour toute fonction à noyau. En conséquence, un schéma d'optimisation est proposé pour minimiser le taux d'erreur de classification. Nos résultats théoriques sont corroborés par des simulations, puis appliqués avec succès au contexte de l'apprentissage par transfert pour la classification d'images PolSAR.

296. Acceleration of Pedestrian Detection in High Resolution Image Haodi ZHANG, Alexandrina ROGOZAN, Abdelaziz BENSRHAIR. p. 465-468 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les images à haute résolution (HR) fournissent des informations plus détaillées tout en créant une lourde charge de calcul, ce qui entraîne une vitesse de détection plus lente. Nous proposons un nouvel algorithme d'accélération de la détection des piétons appelé NPAE (Non-Pedestrian Area Estimation). L'algorithme NPAE estime et supprime les zones non piétonnes de l'image, avant de procéder à la détection des piétons sur l'image de sortie NPAE. L'algorithme NPAE proposé est un module plug-and-play qui peut être utilisé sur des plateformes GPU et CPU. Notre algorithme augmente la vitesse de détection de 42\% sur la plate-forme GPU et de 52\% sur la plate-forme CPU, pour les images de test d'une résolution de 20 \times 1080$ pixels. En termes de précision de détection, NPAE améliore jusqu'à 37,94\% par rapport aux méthodes classiques d'accélération de l'optimisation des données.

297. A stereo vision geometric descriptor for place recognition and its GPU acceleration for autonomous vehicles applications Mohammed Chghaf, Sergio Rodriguez Florez, Abdelhafid ElOuardi. p. 469-472 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous présentons un descripteur global géométrique dédié à la reconnaissance de lieux basé sur des nuages de points issues d'une une caméra stéréo pour des applications de véhicules autonomes. Nous présentons d'abord l'approche utilisée pour enregistrer la structure 3D de l'espace visible. Ensuite, nous proposons une optimisation paramétrique pour obtenir les meilleures performances en couplant les caractérisitiques intrinsèques du capteur utilisé (caméra stéréo) et l'algorithme utilisé. Enfin, nous proposons une implémentation optimisée GPU basée sur CUDA. Par rapport à un CPU, les temps de traitement sur GPU sont accélérés 7 fois sur une Jetson AGX Xavier et 30 fois avec une GeForce RTX 3080.

298. A Frequency-Structure Decomposition for Link Streams Esteban Bautista, Matthieu Latapy. p. 521-524 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Un flot de liens est un ensemble de triplets (t, u, v) représentant des interactions dans le temps. Leur analyse est essentielle pour de nombreuses applications. Ils sont généralement étudiés par des approches de traitement du signal et de théorie des graphes, qui permettent d'inspecter leurs propriétés dynamiques et structurelles. Cependant, les techniques actuelles ne permettent pas de lier de manière satisfaisante les informations de structure et fréquence qu'ils contiennent. Nous répondons à cette limitation en proposant une nouvelle décomposition fréquence-structure pour les flots de liens. Notre décomposition analyse la dimension temporelle avec une décomposition classique de traitement du signal, comme Fourier ou les ondelettes, et la dimension structurelle via une nouvelle décomposition pour les graphes que nous avons conçue pour analyser des séquences de graphes. Nous montrons que notre décomposition permet de concevoir naturellement des filtres pouvant récupérer des structures spécifiques avec des fréquences spécifiques.

299. Une version quantitative du second principe de la thermodynamique au travers de la matrice information de Fisher Steeve Zozor. p. 569-572 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous nous intéressons à la formulation informationnelle du second principe de la thermodynamique. Ce principe stipule qu’un système physique isolé soumis à contraintes tend à se désorganiser au cours du temps pour atteindre son état d’incertitude maximum sous les contraintes. Si sa formulation quantitative via l’entropie est connue, à notre connaissance, la littérature fait peu apparaître de contrepartie via l’information de Fisher. Le but de cet article est précisément de mettre en lumière ce principe sous le prisme de la matrice de Fisher.

300. Goal-oriented Data Compression: Application to an Lp-norm type performance metric Yifei SUN, Hang ZOU, Samson LASAULCE, Chao Zhang, Michel KIEFFER. p. 577-580 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le nouveau paradigme adopté dans cet article consiste, dans un schéma de compression, à adapter l'étage de transformation linéaire et celui de quantification à l'utilisation finale du signal compressé. La métrique de performance finale retenue est une norme de type Lp qui apparait dans de nombreuses applications et notamment pour le problème fondamental d'ordonnancement de consommation électrique flexible (par exemple pour la charge de véhicules électriques). En appliquant l'approche proposée à des données réelles issues de la base de données Ausgrid, nous montrons que celle-ci permet d'avoir une perte d'optimalité due à la compression qui est bien moindre qu'un étage linéaire standard suivi d'un quantificateur uniforme.

301. Tatouage Numérique d’Images dans l’Espace Latent de Réseaux Auto-Supervisés Fernandez Pierre, Sablayrolles Alexandre, Furon Teddy, Jegou Herve, Douze Matthijs. p. 581-584 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous revisitons les techniques de tatouage numérique basées sur des transformations d'images, à la lumière des réseaux neuronaux auto-supervisées. Nous présentons un moyen d'intégrer à la fois des marques et des messages binaires dans leurs espaces latents. Notre méthode peut fonctionner à résolution variable et crée des tatouages robustes à un large éventail de transformations (rotations, recadrages, JPEG, contraste, etc.). Elle surpasse de manière significative les précédentes méthodes de tatouage zéro-bit, et ses performances en multi-bits sont comparables à celles des architectures encodeur-décodeur entraînées de bout en bout pour le tatouage numérique. Le code est disponible sur https://github.com/facebookresearch/ssl_watermarking.

302. Compromis performance-complexité pour les statistiques en grande dimension Romain Couillet, Florent Chatelain, Nicolas LE BIHAN. p. 621-624 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article introduit un cadre de matrices aléatoires pour l'analyse du compromis entre performance et complexité dans une classe d'algorithmes d'apprentissage automatique, sous un régime de données de grande dimension. Plus précisément, nous analysons les propriétés spectrales de $K\odot B\in\mathbb{R}^{n\times n}$, pour une matrice aléatoire à noyau $K\in\mathbb{R}^{n\times n}$ sur laquelle on applique un masque de parcimonie $B\in\{0,1\}^{n\times n}$ : cela réduit le nombre des $K_{ij}$ à évaluer, et fait baisser la complexité, tout en affaiblissant la puissance de l'inférence statistique sur $K$. De manière surprenante nous montrons que, sous des hypothèses réalistes, les performances ne sont que marginalement altérées.

303. Un processus ponctuel déterminantal pour la sélection de variables supervisée Xiaoyi MAI, Rémi Bardenet. p. 625-628 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La sélection de variables est une étape de réduction de dimension courante en apprentissage. Nous proposons un algorithme randomisé de sélection de variables pour la régression linéaire, basé sur un processus ponctuel déterminantal. À la différence de résultats précédents, notre processus utilise les étiquettes du jeu de données d'entrainement. L'idée-force est d'échantillonner $k$ colonnes de la matrice des variables qui approximent bien le sous-espace de Krylov d'ordre $k$.

304. FEMDA : une méthode de classification robuste et flexible Houdouin Pierre, Jonckheere Matthieu, Frédéric Pascal. p. 637-640 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’analyse discriminante quadratique (QDA) est une méthode de classification qui suppose que les données sont issues de distributions gaussiennes. Cette hypothèse la rend peu robuste aux données bruitées. Le but de cet article est d’étudier la robustesse aux changements d’échelle dans les données d’une nouvelle méthode d’analyse discriminante où chaque point est modélisée par sa propre distribution elliptique symétrique avec son propre facteur d’échelle. Une telle modélisation fournit une grande flexibilité pour traiter des données hétérogènes et non identiquement distribuées. Cette nouvelle méthode s’avère plus robuste aux changements d’échelle dans les données que les autres méthodes de l’état de l’art.

305. Transformée de Fourier sur Graphe pour les Espaces de Hilbert Quelconques Benjamin Girault. p. 665-668 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons une généralisation de la transformée de Fourier sur graphe aux espaces de Hilbert quelconques de signaux sur graphe. Cette généralisation permet une plus grande adaptabilité aux signaux étudiés. Plusieurs applications sont données à titre d'illustration.

306. Estimateur explicite de modèles polynomiaux inverses par moindres carrés pondérés Clément Huneau, François Rigal, Jérôme Idier. p. 685-688 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les modèles polynomiaux inverses constituent une classe de modèles dont l'estimation peut être considérée comme faiblement non linéaire. Plusieurs approches permettent de linéariser ce problème afin d'aboutir à un estimateur explicite. Nous proposons de formaliser ces approches au sein d'une famille d'estimateurs par moindres carrés pondérés. Sur la base de leur étude théorique, nous proposons un nouvel estimateur aux performances améliorées. Enfin, nous explorons le comportement de cet estimateur par des simulations d'un problème concret d'identification d'un modèle de débit sanguin cérébral.

307. Des règles de quadrature dans les RKHSs à base de DPPs Ayoub Belhadji. p. 689-692 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

On étudie des règles de quadrature à base de configurations de nœuds qui suivent la distribution d'un processus ponctuel déterminantal (DPP). Ces règles de quadrature sont adaptées à des fonctions qui appartiennent à des espaces de Hilbert à noyau reproduisant. On montre que le taux de convergence dépend principalement des valeurs propres de l'opérateur d'intégration correspondant. En particulier, ce travail fournit une analyse unifiée de l'intégration numérique et offre un nouveau regard sur l'utilisation des DPPs dans ce domaine.

308. Déconvolution bayésienne d'images 3D avec a priori de Gauss-Markov Jean-Baptiste Courbot, Bruno Colicchio. p. 693-696 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous nous intéressons au problème de déconvolution d'image avec un a priori de Gauss-Markov sur le champ latent à estimer. Nous montrons qu'il est possible d'estimer simplement ce champ de manière non supervisée avec des méthodes basées sur Expectation-Maximisation et son variant stochastique. Les résultats numériques montrent que ces méthode permettent d'obtenir de très bons résultats en un temps de calcul faible, par rapport à des alternatives basées sur la variation totale.

309. Empreinte radio BLE pour la localisation en intérieur Maria Camila Molina, Iness Ahriz, Charlie Galle, Michel TERRE. p. 733-736 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente une étude comparative entre une architecture de localisation simple et une architecture hiérarchisée. Les solutions étudiées ont pour objectif une localisation intérieure basée sur l'empreinte RSS (Received Signal Strength) de la technologie BLE (Bluetooth Low Energy) en utilisant l'apprentissage automatique. Deux algorithmes ont été implémentés pour chaque stratégie, il s’agit du K plus proches voisins et le perceptron multi couches. Des expériences ont été menées dans un environnement intérieur montrant la faisabilité des stratégies étudiées et leurs performances similaires en termes de précision de localisation ne dépassant pas les 2 mètres d'erreur en moyenne.

310. Apprentissage minimax pour les réseaux de neurones Cyprien Gilet, Marie Guyomard, Susana Barbosa, Lionel Fillatre. p. 757-760 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article propose une nouvelle approche pour équilibrer les risques conditionnels d'un réseau de neurones convolutif avec un critère minimax. Les réseaux de neurones cherchent à minimiser l'erreur de classification, ce qui conduit généralement à des risques conditionnels par classe déséquilibrés. L'apprentissage minimax consiste à égaliser les risques conditionnels en remplaçant la dernière couche du réseau de neurones par un classifieur minimax approprié. Une telle égalisation est importante dans de nombreuses applications lorsque certaines classes sont mal reconnues. Des expériences numériques comparent notre approche à plusieurs algorithmes sur des images médicales et la base de données CIFAR-100. L'égalisation des risques conditionnels fonctionne bien, même lorsque le nombre de classes est élevé.

311. Comparaison de classifieurs profonds par un critère basé densité de probabilité des taux d'erreurs Mahmoud Ghorbel, Molka Ghorbel, Faouzi Ghorbel. p. 761-764 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

– ´ Gen´ eralement, les algorithmes d’apprentissage profond sont ´ evalu ´ es en termes de taux d’erreur ou du f-score. Le biais et la variance ´ sont souvent retenus pour des comparaisons rigoureuses entre classifieurs. Ici, nous proposons une approche plus complete bas ` ee sur les ´ estimateurs des fonctions densites de probabilit ´ e (fdp) des taux d’erreur respectifs des classifieurs. Pour les bases de donn ´ ees de petite taille,les ´ taux d’erreurs gen´ er´ es par les r ´ eseaux de neurones profonds comme les architectures CNN pr ´ esentent des valeurs de souvent tr ´ es dispers ` ees. ´ L’estimation de la densite de probabilit ´ e de la variable al ´ eatoire taux d’erreur permettrait de comparer les performances des classifieurs de ´ maniere plus pr ` ecise. Dans ce contexte, nous proposons de g ´ en´ erer des ´ echantillons de 100 taux d’erreur puis d’estimer leurs densit ´ e par des ´ methodes non param ´ etriques. Dans ce travail, l’estimateur ´ a noyau diff ` eomorphisme ajust ´ e au sens de son param ´ etre de lissage, connu pour ` sa precision au sens de l’Ecart Quadratique Moyen Int ´ egr ´ e (EQMI) tout en tenant compte des contraintes sur le support de la distribution, a ´ et´ e utilis ´ e. Nous introduisons ´ egalement un crit ´ ere de comparaisons bas ` e sur la convolution entre les densit ´ es associ ´ ees aux classifieurs. Des ´ experimentations sont men ´ ees pour la comparaison dans ce sens des algorithmes Lenet et CNN sur la base d’images MPEG-7 .

312. Effet du filtrage sur l'évaluation de la connectivité fonctionnelle dynamique et application sur des données d'IRMs fonctionnelles de rats Guillaume Becq, Argheesh Bhanot, Céline Meillier, Sophie Achard, Emmanuel Barbier. p. 817-820 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans un premier temps on compare les distributions des coefficients de corrélations pour des signaux aléatoires de type bruit additif blanc gaussien filtrés et non filtrés. On montre que les tracés théoriques des distributions de corrélations dépendent de la taille de la fenêtre d’analyse et de la largeur de bande des signaux filtrés. Un test statistique est alors proposé pour détecter des corrélations significatives avec correction de tests multiples. Dans un deuxième temps, on utilise ce test sur des signaux issus de régions cérébrales extraits à partir d’images fonctionnelles mesurées par résonance magnétique sur des rats anesthésiés au repos. On utilise des fenêtres glissantes sur des signaux filtrés dans une bande de fréquences d’intérêt. Ceci permet de mettre en évidence certaines propriétés dynamiques des réseaux et de proposer différentes mesures d’activités. Ces mesures semblent faire ressortir des différences d’actions entre anesthésiants.

313. Vers une modélisation multi-agent pour expliquer l’influence de la vaccination sur l’épidémie de COVID-19 Carole Adam, Calvin Massonnet, Pierrick Tranouez. p. 825-828 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons un modèle multi-agent simple, implémenté en Netlogo, dans le but d'expliquer de manière interactive les mécanismes de l'épidémie au grand public, et en particulier le rôle de la vaccination.

314. Etude de l’efficacité de la gestion décentralisée d’une épidémie et application au Covid-19 Olivier LINDAMULAGE DE SILVA, Sanson LASAULCE, Irinel-Constantin MORARESCU. p. 829-832 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous introduisons un modèle de jeu qui permet d’évaluer la potentielle perte d’efficacité induite par un contrôle décentralisé d’une ́épidémie. Chaque joueur représente une région ou un pays qui est suppos ́e choisir son action de contrôle pour mettre en œuvre un compromis local entre les aspects socio-économiques et l’aspect sanitaire. Nous effectuons l’analyse de l’équilibre de Nash de ce jeu. Nous quantifions ensuite par des résultats numériques la perte induite par une prise de décision décentralisé en termes de prix de l’anarchie (PoA). Ces résultats permettent d’identifier clairement les scénarios où la décentralisation est acceptable ou non au regard des mesures d’efficacité globale retenues.

315. Flots Stochastiques Discrets Elouan ARGOUARCH, François DESBOUVRIES, Eric BARAT, Eiji KAWASAKI, Thomas DAUTREMER. p. 849-852 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article nous étendons les modèles de mélanges de Gaussiennes en un modèle probabiliste de mélange (les flots stochastiques discrets, FSD) dont les poids sont des fonctions flexibles définies par le biais de réseau de neurones. Nous montrons que les FSD peuvent être utilisés dans deux classes de problèmes variationnels : celui de l'estimation de densité, et celui de l'inférence variationnelle. A nombre de composantes fixé, le FSD aboutit à un gain de flexibilité important, que nous illustrons par un exemple bi-dimensionnel.

316. OLS-R1: estimation parcimonieuse de sources cérébrales par régression itérative sous contrainte de rang Radu Ranta, Steven LE CAM. p. 889-892 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article propose un nouvel algorithme parcimonieux par régression itératives sur dictionnaire. A la différence d'un OLS classique, les éléments du dictionnaire ne sont pas des vecteurs mais des matrices. Pour chaque élément, les coefficients (vectoriels) de la régression, qui représentent des amplitudes variables dans le temps, sont en plus contraints à être de rang unitaire. L'application visée est le problème inverse en électrophysiologie cérébrale (estimation de sources dipolaires). L'algorithme proposé, pour lequel on montre la convergence et la monotonie, se compare favorablement aux méthodes classiquement utilisées dans cette application.

317. Randomized Successive Projection Algorithm Olivier Vu Thanh, Nicolas Nadisic, Nicolas Gillis. p. 893-896 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'algorithme de projections successives (SPA) est un algorithme standard pour la factorisation non-négative de matrices (NMF). Il est basé sur l'hypothèse de séparabilité. En démélange hyperspectral, c'est-à-dire l'extraction des matériaux dans une image hyperspectrale, la séparabilité est équivalente à l'hypothèse du pixel pur et stipule que, pour chaque matériau présent dans l'image, il existe au moins un pixel composé uniquement de ce matériau. SPA est rapide et a été prouvé robuste au bruit, mais il est sensible aux valeurs aberrantes (outliers). Aussi, il est déterministe, et donc pour un problème donné il produit toujours la même solution. Or, il a été démontré empiriquement que l'algorithme non-déterministe vertex component analysis (VCA), lorsqu'il est exécuté un nombre assez grand de fois, produit souvent au moins une solution qui est meilleure que la solution de SPA. Dans cet article, nous cherchons à combiner ces qualités et introduisons une version aléatoire de SPA, appelée RandSPA, qui produit des résultats potentiellement différents à chaque exécution. Il peut être exécuté plusieurs fois pour conserver la meilleure solution, et il est encore garanti robuste au bruit. Des expériences de démélange d'images hyperspectrales montrent que la meilleure solution sur plusieurs exécutions de RandSPA est généralement meilleure que la solution du SPA original.

318. Séparation de Sources Harmoniques / Percussives utilisant des estimateurs locaux de modulation linéaire AM-FM Dominique Fourer. p. 909-912 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce travail présente une nouvelle méthode de séparation de sources harmoniques/percussive (HPSS) basée sur des estimateurs locaux de modulation d'amplitude et de fréquence dédiés initialement au synchrosqueezing. Nous montrons ici que nos estimateurs permettent de discriminer entre les signaux harmoniques et percussifs contenus dans un mélange de signal musical. Notre méthode fonctionne dans le domaine temps-fréquence et affecte chaque point à une source en fonction de son taux de modulation supposé plus important pour les signaux percussifs que pour les signaux harmoniques. Notre approche fournit un cadre mathématique simple et élégant au problème HPSS qui permet d'obtenir des résultats compétitifs en comparaison avec des techniques de l'état de l'art appliquées sur un jeu de données de musique.

319. Evaluating object detector ensembles for improving the robustness of artifact detection in endoscopic video streams Pedro Chavarrias-Solano, Carlos Axel Garcia-Vega, Francisco Lopez-Tiro, Gilberto Ochoa-Ruiz, Thomas Bazin, Dominique Lamarque, Christian Daul. p. 985-988 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cette contribution nous utilisons une méthode ensembliste d’apprentissage profond pour combiner la prédiction de deux détecteurs individuels à un étage (c'est-à-dire YOLOv4 et Yolact) dans le but de détecter les artefacts vus dans des images endoscopiques. Cette « stratégie ensembliste » a permis d'améliorer la robustesse des modèles individuels sans nuire à leurs capacités de calcul en temps réel. L'efficacité de notre approche a été démontrée en entraînant et testant les deux modèles individuels et diverses configurations ensemblistes sur le jeu de données « Endoscopic Artifact Detection Challenge ». Des expériences poussées montrent la supériorité, en termes de précision moyenne, de l’approche ensembliste par rapport aux modèles individuels et aux travaux de l'état de l'art.

320. Mesures d'indépendance dans des rkHs en limite plate Pierre-Olivier Amblard, Simon Barthelmé, Nicolas Tremblay, Konstantin Usevich. p. 1105-1108 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous examinons les mesures d'indépendance fondées sur les normes de Hilbert-Schmidt d'opérateurs de corrélation entre espaces de Hilbert à noyaux reproduisants dans la limite où les paramètres d'échelle des noyaux tendent vers l'infini. Cette asymptotique appelée limite plate est tout sauf idiote et conduit à des limites non triviales pour certaines machines à noyau. Utilisant des résultats récents sur la limite plate de la régression par processus Gaussiens, nous formalisons la limite pour les mesures d'indépendance HSIC, et illustrons dans quelques cas particuliers et sur des exemples synthétiques le potentiel de ces limites.

321. Évaluation de la qualité des images médicales basée sur un apprentissage par adaptation au domaine Marouane Tliba, Aymen Sekhri, Aladine Chetouani. p. 1117-1120 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La prédiction de la qualité des contenus multimédia est souvent nécessaire dans différents domaines. Dans certaines applications, les métriques de qualité sont cruciales et ont un impact élevé car elles peuvent affecter la prise de décision comme le diagnostic à partir d'images médicales. Dans ce papier, nous nous concentrons sur ces applications en proposant un modèle efficace et peu profond pour prédire la qualité des images médicales sans référence à partir d'une petite quantité de données annotées. Notre modèle est basé sur l'auto-attention par convolution qui vise à modéliser une représentation complexe à partir des caractéristiques locales pertinentes des images. Nous appliquons également un apprentissage par adaptation au domaine de manière non supervisée et semi-supervisée. Le modèle proposé est évalué à travers un jeu de données composé de plusieurs images et de leurs scores subjectifs correspondants. Les résultats obtenus ont montré l'efficacité de la méthode proposée, mais aussi la pertinence de l'application de l'adaptation au domaine pour généraliser sur différents domaines multimédia en ce qui concerne la tâche de la prédiction de la qualité perceptuelle.

322. Optimisation de l'apprentissage des représentations pour l'évaluation de la qualité des nuages de points 3D sans référence Marouane Tliba, Aladine Chetouani, Giuseppe Valenzize, Frederic DUFAUX. p. 1129-1132 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les récents systèmes d'information et de communication utilisent le nuage de points 3D (PC) comme modalité de représentation géométrique avancée pour les applications immersives. Les PCs sont souvent compressés à des fins de transmission et de visualisation ce qui peut avoir un impact sur la qualité perçue. Le développement de mesures de qualité objectives robustes et efficaces pour les PCs reste ainsi un problème ouvert. Dans cet article, nous proposons une approche pour évaluer les effets perceptuels des solutions de compression des PCs sans référence basée sur l'apprentissage profond. Notre approche se concentre sur l'exploitation des caractéristiques intrinsèques des PCs pour quantifier les déficiences de codage à partir de quelques patchs distants choisis aléatoirement en utilisant des stratégies d'apprentissage supervisée et non supervisée. Pour évaluer les performances de notre méthode, deux bases de données ont été utilisées. Les résultats démontrent l'efficacité et la fiabilité de la méthode proposée par rapport aux méthodes de l'état de l'art.

323. On the latency of multi-level polar coded modulation Vincent Corlay. p. 1153-1156 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

A commonly assumed drawback of multi-level coding, compared to a bit-interleaved coded modulation, is its high latency: Indeed, the levels must be decoded sequentially. In this paper, we consider polar codes to code each level. We show that the decoding time complexity of the multi-level scheme, using successive-cancellation list decoding for each polar code, is only 1.5 times the one of a single polar code, regardless of the signal-to-noise ratio and the number of levels.

324. Réseaux récurrents d’attention pour la régression de séries temporelles Victor Perrier, Jean-Yves TOURNERET, Emmanuel Lochin, Patrick Gélard. p. 1213-1216 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article étudie une nouvelle architecture récurrente basée sur l’attention, plus légère et moins coûteuse en temps de calcul qu’un réseau d’attention global. Nous détaillons en quoi ce type d’architecture permet d’atteindre de meilleures performances que des réseaux récurrents plus classiques, dans le cas de la régression de séries temporelles. Nous montrons son intérêt pour la prédiction de l’état d’un réseau de communication, et plus particulièrement pour la détection de la congestion

325. Correction de dérive pour l’interférométrie de Mach-Zehnder simon barthelmé, Florent Chatelain, Clément Cascales, Cyril Herrier. p. 1237-1240 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les interféromètres de Mach-Zehnder (IMZ) peuvent être utilisés pour mesurer les changements d'indice optique d'une surface. Cela permet de construire par exemple des capteurs chimiques, qui mesurent des changements de la composition chimique d'une surface à travers des changements l'indice optique. Pour ce genre d'applications, il est important que l'IMZ soit correctement calibré. Or, des dérives instrumentales peuvent causer des pertes de calibration, et par là-même biaiser l'interprétation des données. Dans cet article nous proposons une méthode simple de correction en ligne de certains types de dérive instrumentale affectant les IMZ. Notre analyse fait émerger des liens intéressants avec le suivi des courants triphasés, ainsi qu'avec des techniques de factorisation de matrices. Nous appliquons nos résultats à un capteur chimique de type nez artificiel développé par la société Aryballe.

326. Augmenter la limite de détection des exoplanètes par combinaison optimale d’observations multi-époques en imagerie directe Jules Dallant, Éric Thiébaut, Maud Langlois, Olivier Flasseur. p. 1241-1244 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La détection d’exoplanètes par imagerie directe est l’un des plus grands défis de l’astronomie moderne. L’intensité du signal de l’étoile peut empêcher la détection d’exoplanètes en orbite dans des données individuelles mais combiner les informations d’observations à plusieurs époques permet d’abaisser les limites de détection. Nous proposons un nouvel algorithme nommé PACOME, basée sur l’approche de PACO, combinant de manière optimale, au sens du maximum de vraisemblance, des jeux de données multi-époques et améliorant la sensibilité de détection d’éventuelles exoplanètes en tenant compte de leurs mouvements orbitaux. L’efficacité de l’algorithme est testée sur le système exoplanétaire HR 8799.

327. Propriétés statistiques des interféromètres de Mach-Zehnder à plusieurs sorties Clément CASCALES, simon barthelmé, Florent Chatelain, Cyril HERRIER, Thierry LIVACHE. p. 1249-1252 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les interféromètres de Mach-Zehnder (IMZ) sont aujourd’hui utilisés dans de nombreux domaines d’applications. Le principe de l’interférométrie consiste à identifier le déphasage d’un signal lumineux, par un mécanisme de division/recombinaison. Plusieurs modèles d’IMZ existent, et varient notamment dans le nombre de sorties utilisées. L’IMZ classique n’a qu’une seule sortie, mais d’autres modèles disposent de 3 canaux déphasés de 2π/3. On s’intéresse ici aux propriétés statistiques des modèles d’IMZ à n canaux.

328. Transformée de Laplace inverse multi-échelle pour l'analyse de signaux non stationnaires de Diffusion Dynamique de la Lumière François Liénard, Eric Freyssingeas, Pierre Borgnat. p. 1329-1332 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La diffusion dynamique de la lumière (DLS) permet de mesurer des temps de relaxation dans des systèmes physiques ou chimiques nécessitant de considérer dans certains cas des situations non-stationnaires et sur de nombreuses échelles de temps. Nous adaptons ici la méthode habituelle de transformée de Laplace inverse régularisée, afin de la rendre utilisable sur des grandes gammes d’échelle, et dans un contexte temps-Laplace non stationnaire. Nous montrons des résultats de simulation, puis expérimentaux lors d’une transition solution-gel.

329. Détection d'anomalies dans une séquence d'images fisheye Olivier Laurendin, Sébastien Ambellouis, Anthony Fleury, Sanaa Chafik, Ankur Mahtani. p. 165-168 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La détection d’anomalies dans les flux vidéo est un sujet très actif dans la communauté de vision par ordinateur et notamment dans la tâche d’automatisation du traitement de données de vidéo-surveillance. Ce papier propose d’adapter une architecture neuronale fondée sur l’utilisation d’un réseau totalement convolutif utilisant une approche antagoniste générative (réseau GAN) capable d’apprendre la corrélation entre l’apparence des objets présents dans une scène et leurs mouvements apparents et de reconstruire le contenu des images d’une situation qualifiée de normale. L’objectif final est de déterminer la fonction de décision capable d’identifier des situations anormales à partir d’une reconstruction imparfaite d’une situation inconnue. Nous étudions cette problématique dans le contexte de l’automatisation d’un véhicule ferroviaire (projet Train Autonome) pour lequel la fermeture des portes doit se faire en sécurité sans l’intervention d’aucun agent. Cet article propose un ensemble de modifications de l’apprentissage de l’architecture afin de l’adapter aux différents scénarios d’anomalies de notre cas d’application, sensiblement différents de ceux rencontrés dans les datasets classiques de la littérature, et définit les bonnes pratiques pour ce type d’applications. L’architecture est évaluée sur notre dataset nommé « FRailTRI20_DOD » qui met en scène plusieurs exemples d’événements anormaux joués sur la réplique d’une porte de train en laboratoire.

330. Descripteurs profonds et classification à une classe avec des données non supervisées pour la détection des mauvaises herbes sur des images de drones Mamadou Dian BAH, Adel Hafiane, Raphael Canals. p. 169-172 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Aujourd'hui, la détection automatique des mauvaises herbes est un grand défi pour l'agriculture de précision. L'apprentissage automatique est l'une des approches utilisées pour la détection des mauvaises herbes. Le principal point commun entre les algorithmes d'apprentissage automatique est le besoin de données d'entraînement. Dans cet article, nous proposons d'utiliser des caractéristiques profondes et une classification à une classe sur des données non supervisées pour la détection des mauvaises herbes dans les images de drones. Les résultats montrent que la classification à une classe peut être comparable à la littérature et également à un modèle d'apprentissage profond entraîné avec un étiquetage supervisé des données d'entraînement. Les résultats obtenus sur les jeux de données de test peuvent atteindre 90 \%.

331. Exploration de l’impact de la normalisation sur la performance de l’évaluation de la qualité basée sur des réseaux de neurones convolutionnels Abderrezzaq Sendjasni, Traparic David, Mohamed-Chaker LARABI. p. 173-176 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’entraînement des réseaux de neurones convolutionnels (CNN) pour l’évaluation de la qualité des images requiert souvent une étape de normalisation des images d’entrées. Même si la normalisation des images améliore l’entraînement du modèle en mettant en évidence des caractéristiques importantes, elle peut engendrer une perte d’informations. Afin de comprendre son intérêt dans ce contexte, nous proposons une étude comparative pour examiner son effet sur les performances du modèle, et de déterminer les méthodes les plus adaptées à l’évaluation de la qualité. Ainsi, les performances de neuf méthodes sont étudiées et comparées statistiquement à trois méthodes basiques. L’application de la normalisation s’avère statistiquement significative sur trois bases de données et une amélioration des performances a pu être observée.

332. Dériver une base de données d’images en un ensemble cohérent et équilibré Cyril Barrelet, Marc Chaumont, Gérard Subsol, Vincent Creuze, Marc Gouttefarde. p. 177-180 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La multiplication des bases de données accessibles publiquement permet de couvrir de nombreuses applications du monde réel. Cependant, certains domaines sont encore très peu explorés, et les bases de données correspondantes sont moins cohérentes et plus sujettes aux erreurs du fait de leur utilisation restreinte. De plus, certains biais peuvent améliorer artificiellement les performances d'un modèle de Deep Learning (DL). Par conséquent, l'évaluation d'un modèle DL nécessite une compréhension claire de la base de données et une méthodologie adaptée pour le comparer à d’autres. Enfin, un modèle reflète souvent la performance sur une base de données. Celle-ci peut se détériorer si un décalage existe entre la base de données initiale et une base de données applicative réelle. Cet article propose de visiter les problèmes ci-dessus en dérivant une version plus cohérente et équilibrée de la base de données vidéo TrashCan de déchets sous-marins.

333. Mesure de la vitesse par rapport au fond avec un Sondeur Multi-Faisceaux Laurent Verrier, Marc PINTO, Cornel IOANA, Nadege THIRION-MOREAU. p. 233-236 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Il est important de réduire le biais du sonar qui mesure la vitesse de déplacement : le Doppler Velocity Log (DVL). En effet, cette erreur limite la précision de navigation à long terme de la plupart des véhicules de surface et sous-marins. Dans cet article, nous montrons qu'un Sondeur Multi-Faisceaux 150kHz (SMF) peut être utilisé comme DVL. Il permettrait d'augmenter la portée au-delà de 300m et la précision. La théorie sous-jacente a été présentée dans [1]. Le traitement matriciel est utilisé pour mesurer des phases Doppler dans plusieurs directions en même temps. La méthode proposée a été testée lors d'un essai en mer dans la baie de La Ciotat sur le SeapiX : un SFM fonctionnant à 150kHz. Le bateau, équipé d'une centrale inertielle (IMU) assistée par GNSS, navigue sur des lignes droites à vitesse constante (de 2m.s−1). Le SMF transmet un code émission Doppler spécifique selon différents scénarios de directivité. Après le traitement des données sonar, nous avons pu estimer une vitesse qui correspond étroitement aux données de l'IMU-GNSS. L'analyse des erreurs de navigation en utilisant l'IMU-GNSS comme vérité terrain est présentée pour quantifier la précision de la méthode.

334. Introduction sur la télédétection et les enjeux du spatial Gwendoline BLANCHET. p. 241-244 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le monde du spatial est en pleine mutation avec l’arrivée de nouveaux acteurs en plus des agences spatiales historiques. Les missions spatiales d’observation de la Terre sont de plus en plus nombreuses, avec un accroissement fulgurant ces dernières années de lancement et de mise en orbites de satellites (et parfois même de grappes de satellites) dans le domaine optique et radar. Cela représente des défis pour le stockage et le traitement de ces données car les architectures classiques et les techniques de traitement du signal et de l’image doivent être repensées pour s’adapter au volume massif de données. De plus les spécificités de ces différents capteurs en termes de résolution spatiale, spectrale et temporelle sont très variables ce qui nécessite une adaptation des méthodes d’analyse mais offre par la même occasion une formidable opportunité d’applications en combinant ces données pour l’analyse des impacts du changement climatique, de la cartographie des territoires ou pour le monitoring des terres émergées par exemple.

335. Méthode générale de résolution de la similarité conjuguée en polarimétrie radar Madalina CIUCA, Gabriel VASILE, Michel GAY, Andrei ANGHEL, Silviu CIOCHINA. p. 305-308 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’objectif de ces travaux est d’offrir un aperçu étendu des relations d’équivalence applicables en polarimétrie radar. L’accent est mis sur la transformation de similarité conjuguée, souvent mentionnée et rarement utilisée avec les méthodes de décomposition cohérente. Nous présentons une technique, basée sur la représentation réelle, qui peut offrir une solution analytique, même dans le cas des matrices de diffusion non réciproques. Une courte comparaison avec la méthode de Graves est proposée. Les données simulées sont générées pour un dièdre idéal, en géométrie monostatique. La réponse du diffuseur conserve la réciprocité pour une large gamme d’angles d’observations. Cependant, quelques exemples apparaissent à partir de directions angulaires d’observation pour lesquelles la non réciprocité de la matrice de diffusion augmente. Dans ce cas, nous utilisons pour analyse la matrice de représentation réelle.