1. Correction matricielle de l'indétermination d'échelle pour l'optimisation alternée Massyl Moudoud, Céline Meillier, Vincent Mazet. p. 1-4 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’apprentissage de dictionnaire souffre du problème d’indétermination d’échelle (multiplication d’un terme par une matrice diagonale et de l’autre terme par l’inverse de la matrice). La méthode AMORS répond à ce problème en intégrant un scalaire qui compense l’indétermination. Nous proposons une extension de cette méthode en intégrant une matrice diagonale qui permet de gérer l’indétermination d’échelle au niveau de chaque atome du dictionnaire à chaque itération de l’algorithme d’optimisation. La méthode proposée est plus rapide et plus stable que AMORS pour l’apprentissage de dictionnaire dans le contexte de la connectivité fonctionnelle en IRMf.

2. Géométrie de l’information et signaux d’énergie finie Franck FLORIN, Antonin BERTRAND. p. 5-8 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce travail présente un cas d'application de la Géométrie de l'Information au traitement du signal. Il s'agit d'obtenir une forme explicite de la distance de Rao entre deux lois de probabilités caractérisant les observations de deux signaux d'énergie finie. Cette distance caractérise la dissimilarité des lois et la confusion possible entre les paramètres dans les problèmes d’estimation. On donne un exemple d'utilisation de cet outil pour l'analyse des bases de données.

3. Utilisation de l’apprentissage auto-supervisé pour améliorer la détection de drone face aux nouveaux environnements Arthur Toder, Martin Perez-Izaguirre, adrien CHAN-HON-TONG. p. 9-12 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article propose une solution au problème de la continuité des performances de détection de drones lors d’un changement de l’environnement de détection. Pour cela il présente une combinaison d’apprentissage auto-supervisé d’un extracteur de caractéristiques, SimSiam suivi d’un apprentissage supervisé du modèle de détection, YOLO, et montre ainsi l’apport de l’apprentissage auto-supervisé dans la détection de drones inconnus sur des fonds inconnus. This article answers to the question about the consistency of the unmanned aerial vehicles (UAV) detection, with a strong change of the environment’s detection. As a solution, it presents a self-supervised learning on a one-stage object detector, through the use of Simsiam and YOLO. Thus, it shows the improvement SSL can bring to object detection on unknown object in unknown backgrounds.

4. Quantique et traitement du signal : Un tutoriel concis et un aperçu historique aux colloques GRETSI. François CHAPEAU-BLONDEAU. p. 13-16 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article accompagne un exposé tutoriel proposé pour la Session spéciale "Information et calcul quantiques". L'article décrit brièvement les éléments qui seront présentés dans le tutoriel d’introduction à l’information et au calcul quantiques. Le tutoriel vise à exposer de façon synthétique les principes fondamentaux et les outils essentiels du domaine, ainsi que quelques grands secteurs applicatifs, pour arriver à des problématiques de recherche actuellement ouvertes et à fort potentiel pour les sciences et technologies de l'information. En complément, le présent article propose aussi un bref aperçu historique sur les liens entre le signal et le quantique, tel qu'il ressort à partir de l'archive en ligne des actes des colloques GRETSI depuis leur début en 1967.

5. Différence polarimétrique et angulaire d’image appliqué à imagerie à haut contraste des environnements circumstellaire Vincent Tardieux, Laurence Denneulin. p. 17-20 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’observation des environnements circumstellaires permet de comprendre les processus de formation des planètes. Cette observation est complexifiée par la nuisance stellaire, qui est mille à dix-mille fois plus grande que l’intensité du disque. Il est possible d’extraire la lumière de l’environnement en exploitant l’invariance par rotation ou en polarisation de la nuisance stellaire, aujourd’hui aucune méthode n’exploite les deux de manière jointe. C’est pourquoi nous présentons PADI, une méthode basée sur l’approche par problème inverse afin de dissocier la lumière de l’environnement, polarisée et non-polarisée, et la nuisance stellaire.

6. Mise en oeuvre efficace d’une radiogoniométrie 2D au sens du maximum de vraisemblance via un algorithme parcimonieux quasi Gauss-Newton Thomas Aussaguès, Anne Ferréol, Alice Delmer, Pascal Larzabal. p. 21-24 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La mise en oeuvre opérationnelle d’une radiogoniométrie au sens du Maximum de Vraisemblance (MV) est très lourde voire impossible car elle nécessite l’optimisation d’un critère non-convexe et hautement non-linéaire. Dans cette communication, l’équivalence entre le MV et les méthodes parcimonieuses, obtenue après une étape de pré-blanchiment, est exploitée afin de proposer une implémentation à moindres coûts du MV en 2D. Plus particulièrement, nous montrons que l’exploitation des effets du blanchiment accélère substantiellement la convergence de l’algorithme parcimonieux tout en rendant équivalentes les dernières itérations de celui-ci à celles d’une méthode du second-ordre dont le coût computationnel serait bien plus élevé.

7. Détection séquentielle d’un changement transitoire inconnu dans un modèle linéaire Gaussien avec les paramètres de nuisance Igor Nikiforov. p. 25-28 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La détection séquentielle d’un changement transitoire (DCT) trouve son application dans divers domaines comme la surveillance des systèmes cyber-physiques complexes, la détection des pannes de systèmes de navigation par satellites ou par inertie, l'analyse des signaux acoustiques (sous-marines) et sismiques, la surveillance des réacteurs nucléaires entre autres. Cet article poursuit l'étude de la DCT dans le cas où le profil de changement est inconnu. Les nouveaux tests de la moyenne mobile finie (FMA) à base du rapport de vraisemblance généralisé sont proposés pour un modèle linéaire Gaussien avec les paramètres de nuisance. Les caractéristiques opérationnelles de ces nouveaux tests sont comparées.

8. Apprentissage de Dictionnaires Convolutifs Personnalisés Axel Roques, Samuel Gruffaz, Kyurae Kim, Alain Durmus, Laurent Oudre. p. 29-32 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les séries temporelles issues de la physiologie humaine se composent généralement de structures à la fois globales et locales : les premières sont partagées par l’ensemble d’une population, tandis que les secondes sont attribuables à la variabilité inter-individuelle. Par exemple, la mesure du cycle de marche montre à la fois des caractéristiques communes et des idiosyncrasies en raison des dispositions biomécaniques de chacun, ou bien de pathologies. Pour mieux représenter de telles données, nous proposons l’apprentissage de dictionnaires convolutifs personnalisés (PerCDL). PerCDL apprend conjointement un dictionnaire partagé par tous les signaux et un dictionnaire propre à chaque série temporelle, via la transformation spatio-temporelle personnalisée des structures communes. L’intérêt et l’efficacité de PerCDL sont démontrés sur des données synthétiques et des données de marche.

9. Radar OFDM ou radar à bruit : le cas du DVB-T2 Jean-Yves Baudais. p. 33-36 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La structure des signaux DVB-T2 n'est pas favorable au traitement radar. Nous proposons un traitement radar à bruit pour ces signaux, en analysant les performances limites et en comparant les résultats avec ceux du traitement OFDM.

10. Inpainting de maillages 3D couleur par recopie de patchs en spirale Olivier LEZORAY, Sébastien Bougleux. p. 37-40 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les maillages 3D colorés sont de plus en plus utilisés, mais peuvent présenter des défauts de couleur dus au processus de numérisation. Nous proposons un cadre basé sur la recopie de patch pour compléter la couleur, en adaptant l’approche de Criminisi et al aux maillages 3D. Un patch en spirale est défini pour exploiter la similarité des sommets. Un terme de priorité dédié est utilisé pour définir l'ordre de remplissage, de sorte que les patchs proches de la frontière de la zone à restaurer et présentant des propriétés spécifiques de continuité soient complétés en premier. Les résultats montrent de bonnes performances en termes de reconstruction visuelle des zones corrigées.

11. De la possibilité d’ignorer un bruit de calibration lors de la construction d’un estimateur du maximum de vraisemblance en radio-astronomie Léontine Ségal, Antoine ROUEFF, Claude JAUFFRET, Jérôme PETY, Maryvonne GERIN. p. 41-44 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous présentons une méthodologie permettant de quantifier la perte de précision sur l’estimation de paramètres d’intérêt lorsqu’un bruit de calibration est négligé. L’approche repose sur l’utilisation des bornes de Cramér-Rao (BCR) et BCR modifiée (BCRM), cette dernière étant une borne inférieure sur la matrice de covariance d’un estimateur construit avec un modèle mal spécifié. La méthode est illustrée sur un cas théorique simple avant d’être appliquée au cas de données astrophysiques, où on estime la température cinétique et la densité volumique du gaz interstellaire. La perte de précision mesurée, inférieure à 13%, est négligeable compte-tenu de la complexité du problème astrophysique considéré.

12. Émission radar de formes d'ondes bio-inspirées Anthony Torre, Abigael Taylor, Dominique Poullin, Thierry Chonavel, Milan Rozel. p. 45-48 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Afin de répondre à la problématique de congestion du spectre électromagnétique, de nombreuses études visent à créer et optimiser de nouvelles formes d’ondes radar. Regroupées sous l’appellation plus générale de diversité des formes d’ondes, cet axe de recherche couvre aussi bien la conception de systèmes joints radar-communications que des approches biomimétiques comme celle présentée dans ce papier. L’étude des signaux de chauves-souris a en effet permis de proposer une forme d’onde bio-inspirée, la fonction de Parsons, adaptée à des applications radar. Ses capacités et sa réponse au traitement radar usuel ayant fait l’objet d’études et de simulations préalables, cet article est consacré à la présentation de résultats acquis lors d’émissions réelles de la forme d’onde bio-inspirée, afin de suivre des avions de ligne et ainsi valider les résultats théoriques.

13. DALL-E Brain : Génération d’images IRM cérébrales 2D T1-w, T2-w et FLAIR à partir de descriptions textuelles Souhail El-Allaly, Thomas Grenier, Chantal REVOL-MULLER. p. 49-52 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce projet explore l'application des Modèles de Diffusion Latents (LDMs) pour générer des images IRM cérébrales synthétiques, mais réalistes en pondération T1, T2 et FLAIR à partir de descriptions textuelles. Pour entraîner notre modèle, nous avons construit un jeu de données comprenant plus de 40 000 scans IRM de sujets sains, chacun associé à des descriptions textuelles spécifiques à chaque coupe. Ces annotations comprennent les structures anatomiques, l’âge, le sexe et les informations d’imagerie, incluant le plan de coupe et la séquence IRM. Nous proposons un LDM pour gérer des descriptions longues avec un vocabulaire spécialisé en imagerie médicale. Les performances du modèle sont évaluées à l'aide du MS-SSIM pour l'autoencodeur variationnel (VAE) et du FID pour les images générées par diffusion. Les résultats expérimentaux montrent que, sur la seule base de descriptions textuelles, notre méthode permet de générer des scans IRM réalistes, soulignant ainsi le potentiel des LDMs pour la synthèse d'images médicales.

14. Évaluation théorique de performance d'un système à antennes distribuées sur canaux multi-trajets partiellement bloqués Rolland Thibaut, Crussière Matthieu, Le Bot Marie. p. 53-56 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article s'intéresse à l'établissement théorique des expressions de probabilité d'erreur binaire (PEB) pour les systèmes à antennes distribuées sur canaux à évanouissement partiellement bloqués. Des modèles de lignes à retard par grappes de rayons ou \emph{clusters} issus du 3GPP sont considérés, avec la possibilité de bloquer un sous-ensemble de ces \emph{clusters}. En supposant que le récepteur ne puisse pas mettre à jour son égaliseur lors d'un blocage furtif, une analyse statistique est effectuée afin de fournir les fonctions de densité de probabilité des symboles égalisés avec biais selon l'évènement de blocage. Les expressions de PEB sont ensuite obtenues puis validées par simulation. Les résultats théoriques fournis permettent de prédire les performances des systèmes multi-antennes distribués et d'analyser précisément l'impact du blocage dans divers scénarios.

15. MIXSIM3D: Une nouvelle méthode d'apprentissage curriculum contrastif 3D appliquée à la physique des roches Van Thao NGUYEN, Dominique FOURER, Jean-François LECOMTE, Souhail YOUSSEF, Désiré SIDIBE. p. 57-60 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

In this paper, we introduce a new method named MixSim3d, a deep learning self-supervised approach designed to learn meaningful representations and extract relevant parameters from 3D images. It combines curriculum learning (CL) and contrastive learning to improve the robustness of the learned embedded representation of input 3D images. Here, we apply this method in the context of Digital Rocks Physics (DRP) to predict properties, such as porosity and permeability, from the observed 3D datasets. Our evaluation shows that the proposed Mixsim3d method can obtain promising results, outperforming existing baseline self-supervised approaches in particular scenarios.

16. Apprentissage machine pour la dynamique rapide : application à desgouttes d’eau choquées Lisa Garcia, Gael Poette, Jean-Francois GIOVANNELLI, David Lugato, Virot Florent, Rullier Jean-Luc. p. 61-64 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Résumé - Pour comprendre les phénomènes de dynamique rapide, tels que les gouttes d'eau choquées, des modèles physiques sont développés, des expériences sont réalisées et filmées. Les modèles doivent être confrontés aux données des films en vue d'approfondir leur compréhension. Dans cet article, nous utilisons les moyens amenés par l'apprentissage machine pour extraire les informations des films de manière automatique en prenant en compte les incertitudes d'extraction et en calibrant avec incertitudes les paramètres de modèles à travers une stratégie bayésienne. Cette méthodologie permet d’améliorer la compréhension de la fragmentation des liquides sous choc en fournissant des estimations robustes des paramètres malgré les incertitudes. Abstract - To understand fast dynamic phenomena, such as shocked water drops, physical models are developed and experiments are carried out and filmed. The models need to be compared with the film data in order to gain a deeper understanding. In this article, we use the resources provided by machine learning to automatically extract information from films, taking into account extraction uncertainties and calibrating model parameters in this context using a Bayesian strategy. This methodology improves our understanding of the fragmentation of liquids under shock by providing robust parameter estimates despite the uncertainties.

17. AdaBoost analytique Olivier LAFITTE, Jean-Marc BROSSIER. p. 65-68 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

AdaBoost est un algorithme qui, à chaque étape, renvoie un classifieur faible en appelant itérativement un WeakLearner, calcule le coefficient de ce nouveau classifieur et renvoie de nouveaux poids pour les exemples de l'ensemble d'entraînement. Cette étude apporte un éclairage nouveau sur la procédure AdaBoost dans le cas de deux classes, en prouvant que tous les coefficients et poids mentionnés ci-dessus sont donnés par des formules explicites. Pour ce faire, nous utilisons une analyse logique qui construit une table de vérité qui repose sur l'ensemble d'entraînement et l'ensemble des classifieurs faibles. Cette table de vérité est une partition de l'ensemble d'entraînement qui fournit des informations sur la décision des classifieurs sur chaque sous-ensemble et permet de réécrire le risque associé.

18. Tolérance aux Fautes des CNNs Quantifiés et Élagués Wilfread Guillemé, Angeliki Kritikakou, Youri Helen, Cédric Killian, Daniel Chillet. p. 69-72 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les réseaux de neurones, en particulier ceux utilisés dans des applications critiques telles que la conduite autonome, nécessitent une fiabilité optimale. Bien que ces algorithmes soient intrinsèquement résilients, des événements singuliers peuvent affecter à la fois le matériel et le logiciel. Ces événements sont dus à des interactions avec des rayonnements cosmiques et radiatifs, qui entraînent des erreurs au niveau des composants électroniques. Dans ce contexte, un réseau de neurones convolutifs (CNN) peut produire des calculs erronés, augmentant le risque de prédictions incorrectes. Afin de répondre à ce défi, nous avons développé une méthode d'injection de fautes spécifiquement conçue pour des CNNs dédiés au domaine des systèmes embarqués. Pour implémenter efficacement ces réseaux, leur empreinte matérielle doit être la plus faible possible et leur déploiement passe généralement par une phase de quantification et d'élagage des paramètres. Par ailleurs, la méthode proposée tient compte de la direction des bitflips simulés, permettant de concevoir des solutions de durcissement matériel adaptées à la fiabilité requise par l'application ciblée.

19. Frugalité en télédétection : évaluer la performance et la consommation énergétique en détection de changements d’images PolSAR Matthieu Verlynde, Ammar Mian, Yajing Yan. p. 73-76 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans les applications de télédétection, la demande d'algorithmes de traitements de données complexes augmente exponentiellement. En parallèle, évaluer la frugalité de telles méthodes est une priorité dans la communauté de l'apprentissage machine et de l'intelligence artificielle. Dans ce cadre, créer une mesure combinant performance et consommation énergétique est une tâche complexe. Cet article présente une méthodologie de collecte de données de consommation énergétique et explore trois méthodes de création de score de frugalité. À travers une étude de cas sur une tâche classique en télédétection, la détection de changements, nous montrons que ces trois scores capturent trois différents aspects de la frugalité. Nous recommandons alors une approche combinatoire de ces scores afin de réaliser une évaluation plus complète.

20. Utilisation de dictionnaires parcimonieux incohérents pour la suppression d’artefact en ligne Matthieu Chancel, Hacheme AYASSO, Michel Desvignes, Jean-Michel Vignolle, Eric Lespessailles. p. 77-80 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Parmi les perturbations qui peuvent apparaitre lors de l'acquisition de radiographies X, l'artefact "en ligne" se présente sous la forme d'une ligne sombre suivie d'une plus claire. Il apparait aléatoirement avec une amplitude variable selon les colonnes de l'image. Sa correction est complexe car chaque pixel contient à la fois de l'information clinique pertinente et cet artefact. Les approches traditionnelles ne sont pas adaptées à sa correction. Nous présentons une nouvelle méthode de suppression d'artefact "en ligne" basée sur un modèle joint de contenu clinique et d'artefact sous forme de dictionnaires parcimonieux: SParse Line ElimiNation with Dual Incoherent Dictionaries (SPLENDID). Le modèle clinique est appris afin d'etre faiblement corrélé avec le modèle d'artefact. Nous comparons notre méthode avec différentes solutions proposées dans la littérature. Des mesures réalisées sur un large jeu de données de radiographies montrent la supériorité de notre méthode face aux approches traditionnelles.

21. Un retour d’expérience sur le cours de L1 'Réchauffement climatique, biodiversité, pollutions' Jamal NAJIM. p. 81-84 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Depuis 2022, un cours optionnel intitulé "Réchauffement climatique, biodiversité, pollutions" est proposé aux étudiant.e.s en licence première année de mathématiques et informatique de l'Université Gustave Eiffel (UGE). Nous présentons dans cette communication la genèse de ce cours, son contenu, le retour des étudiant.e.s ainsi que les perspectives que nous envisageons pour la suite.

22. Du spot d'Arago à l'optimisation des occulteurs à pétales pour la détection d'exo-Terres Claude Aime, Simon Prunet, Celine Theys. p. 85-88 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les occulteurs à pétales sont des dispositifs optiques géants conçus pour être utilisés en astronomie spatiale afin de bloquer la lumière d’une étoile et ainsi permettre l’observation directe des exoplanètes. Dans cette étude, nous montrons comment, grâce à une optimisation de la forme de l’occulteur visant à minimiser la diffraction, qui dans le cas d’un occulteur circulaire se manifeste par le spot d’Arago, il est possible de concevoir des occulteurs capables de créer une ombre d’intensité relative inférieure à $10^{-12}$, ouvrant ainsi la voie à l’observation d’une exo-Terre.

23. Effet de la paramétrisation sur le filtrage de Kalman et le lissage Paul Chauchat. p. 89-92 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article s'intéresse à l'estimation d'état sur variété, en étudiant l'effet, observé dans la littérature, que peut avoir le choix de paramétrisation. Plus précisément, on considère le cas de deux paramétrisations localement linéairement reliées. On montre d'une part que les filtres de Kalman associés se dissocient lors de la mise à jour, si aucune correction n'est apportée. D'autre part, on obtient un résultat analogue en lissage dès que de la marginalisation est mise en place.

24. L’EnderScope : une plateforme pédagogique ouverte pour l’imagerie computationnelle Sirine Gharbi, David ROUSSEAU, Jérôme Mutterer. p. 93-96 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous détournons une imprimante 3D que nous transformons en imageur pouvant se déplacer selon 3axes. Ce dispositif, nommé EnderScope, est piloté au moyen d’un simple nano-ordinateur de type Raspberry Pi . Ce projet, entièrement open source, permet d’explorer à très bas coûts de nombreux concepts en imagerie computationnelle,robotique, programmation. Les codes permettant de piloter le système sont mis à disposition sous la forme d’une bibliothèque Python, accessible via le lien GitHub [1]

25. Estimation d’une loi de saut en fréquence par une analyse de la transformée de Fourier bidimensionnelle du spectrogramme Ali Khalaf, Arthur Louchart, Sebastien Houcke, Ray Abdo, Laurent CLAVIER. p. 97-100 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’estimation des signaux à sauts de fréquence (FHSS) joue un rôle crucial dans l’analyse et la détection des communications dans des environnements dynamiques et complexes. Dans cet article, nous présentons une nouvelle méthode basée sur l’analyse fréquentielle du spectrogramme d’un signal FHSS, en particulier la transformée de Fourier 2D (TF2D), pour caractériser avec précision les paramètres de la loi de saut. Cette approche permet d’estimer la durée et la fréquence de maintien des plots, ainsi que la périodicité des sauts en temps et en fréquence.

26. Performance of Rank-One Tensor Approximation on Incomplete Data Hugo Lebeau. p. 101-104 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

On s'intéresse à l'estimation d'un signal tensoriel de rang 1 lorsque seulement une portion $\varepsilon$ de son observation bruitée est disponible. Nous montrons que l'étude de ce problème se ramène à celle d'un modèle de matrice aléatoire dont l'analyse spectrale donne accès aux performances de reconstruction. Ces résultats mettent en lumière et précisent la perte de performance induite par une réduction artificielle du coût en mémoire d'un tenseur via la suppression d'une partie aléatoire de ses entrées.

27. Multiscale unmixing for multivariate self-similarity estimation Herwig Wendt, Gustavo Didier, Marcus Carlsson, Erik Troedsson, Patrice Abry. p. 105-108 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

De nombreux systèmes réels génèrent des séries temporelles multivariées présentant des propriétés d'auto-similarité et d'invariance d'échelle. L'estimation des exposants de Hurst est cruciale pour analyser les dépendances à long terme, mais les méthodes traditionnelles basées sur l'analyse des valeurs propres induisent des distorsions, notamment en présence de variations d’amplitude d’échelle. Nous proposons une approche améliorant la précision de l'estimation via la diagonalisation conjointe de matrices aléatoires issues de la transformée en ondelettes. En approximant une matrice de mélange instantanée commune à plusieurs échelles, notre méthode surmonte les limites des régressions des valeurs propres, assurant des estimations plus fiables. Des simulations de Monte Carlo confirment sa supériorité sur les techniques conventionnelles en mélange orthogonal et non orthogonal.

28. SIMuLDiTex : Un modèle de diffusion léger, mono-image et multi-échelle pour la synthèse de texture. Pierrick Chatillon, Julien Rabin, David TSCHUMPERLE. p. 109-112 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous présentons SIMuLDiTex, un modèle frugal de diffusion multi-échelle pour la synthèse de textures à partir d’une seule image d’exemple. Cette approche est basée sur une stratégie pyramidale d’échantillonnage et de génération des textures permettant de préserver la fidélité des détails générés, même à haute résolution. Grâce à un mécanisme original de conditionnement multi-échelle d’un U-Net compact (environ un million de paramètres), SIMuLDiTex surpasse les méthodes de l’état de l’art à nombres de paramètres équivalents, offrant ainsi une solution rapide et de qualité pour la génération de textures de très haute résolution.

29. Élagage Non Structuré pour l'Identification des Empreintes Radio-fréquences Emma Bothereau, Alice Chillet, Robin GERZAGUET, Matthieu Gautier, Olivier Berder. p. 113-116 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'identification des empreintes radio-fréquences pourrait améliorer les protocoles d'identification sans fil, mais son usage actuel, fortement dépendant de l'apprentissage profond limite son déploiement sur les systèmes embarqués en raison des contraintes de mémoire et de calcul. Pour alléger la charge calculatoire, ce travail analyse l'impact de l'élagage non structuré, sans réentraînement, sur plusieurs bases de données publiques. Nous montrons qu’il est possible de supprimer de 35% jusqu'à 70% des poids d’un réseau tout en conservant un F1-score supérieur à 99%.

30. Modulations unipolaires issues de modulations de fréquence : extension à deux tons, analyse fréquentielle et récepteur à faible complexité Clara Chateigner, Laurent Ros, Yannis Le Guennec, Cyrille Siclet. p. 117-120 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La détection d'enveloppe est utilisée dans les communications en lumière visible et dans certains récepteurs radiofréquence, pour des applications à faible consommation. Ce cadre exige que les modulations soient unipolaires, i.e. réelles et positives. Dans notre travail, l'objectif est de maximiser l'efficacité énergétique pour une efficacité spectrale inférieure à 1 bit/s/Hz, compatible avec des applications bas débit. Inspiré par les modulations de fréquence et phase mono-ton à écrêtage asymétrique, ce travail propose un cadre général pour une extension à deux tons. Nous construisons une approximation polynomiale de la partie non-linéaire du modèle, ce qui permet une analyse fine des formes d'ondes en fréquence et la proposition d'un récepteur quasi-optimal à faible complexité. Les simulations de performance montrent que le schéma émission réception proposé surpasse les approches mono-ton de la littérature en termes d'efficacité énergétique à efficacité spectrale donnée.

31. Analyse de la vulnérabilité d'un schéma de sécurité basé sur le bruit artificiel face à un espion multi-récepteurs Jules Burgat, Jean-Bapstiste Doré, Joumana Farah, Matthieu Crussière. p. 121-124 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce travail analyse la vulnérabilité des schémas de sécurité basés sur le bruit artificiel face à un espion utilisant plusieurs récepteurs. Nous étudions deux attaques et évaluons leurs performances en termes d'erreur quadratique moyenne (MSE), à la fois théoriquement et par simulations. La première attaque, reposant sur une approche de système linéaire, est efficace lorsque le nombre d'interceptions dépasse celui des antennes d'émission. La seconde, basée sur le principe de la combinaison à rapport maximal (MRC), est novatrice et reste performante même avec moins d'interceptions que d'antennes émettrices. Les résultats théoriques sont formulés et confirmés par des simulations. Ce travail analyse aussi la robustesse aux erreurs d'estimation des schémas proposés. Les résultats de notre étude soulignent la nécessité d'une sélection rigoureuse des paramètres pour réduire les risques d'interception.

32. Approche hybride pour l'inversion de la compression dynamique en traitement audio à l'aide de l'apprentissage profond Haoran Sun, Dominique Fourer, Hichem Maaref. p. 125-128 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dynamic range compression (DRC) is a nonlinear audio effect commonly used in studios and music production. Reversing this effect is essential for restoring a signal's original dynamic range and audio quality. In this work, we propose a hybrid approach combining a parametric dynamic range compression inversion model with deep neural networks. This combination enables both robust estimation of compressor parameters and more faithful restoration of the audio signal. Our method relies on two neural architectures: one to estimate the compressor class and the other to directly estimate its parameters. Comparative evaluations conducted on several datasets show significant improvements in audio restoration when compared to some state-of-the-art methods.

33. Une méthode de tomographie de processus quantique unitaire fondée sur une diagonalisation de matrice densité Yannick DEVILLE, Alain DEVILLE. p. 129-132 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les méthodes de Tomographie de Processus Quantique (TPQ) ont pour but d’identifier, c.-à-d. estimer, un processus quantique. La TPQ est un outil majeur de traitement de l’information quantique, en particulier parce qu’il permet de caractériser expérimentalement le comportement réel des portes quantiques, qui peuvent être utilisées comme briques de base des ordinateurs quantiques. Nous considérons ici des processus unitaires (possiblement denses, c.-à-d. sans contraintes de parcimonie), ce qui correspond à des systèmes isolés. De plus, nous développons une méthode de TPQ applicable à un nombre significatif de qubits et donc à un espace des états de grande dimension, ce qui permet de traiter des problèmes plus complexes. L’utilisation du caractère unitaire du processus nous permet de proposer une méthode qui réalise tout d’abord une partie de la TPQ en diagonalisant la matrice densité estimée d’une sortie de processus. On achève ensuite la TPQ en utilisant un autre état différemment. La pertinence de notre méthode est validée à l’aide de simulations.

34. Une Approche pour l’Étude des Signaux Non-ergodiques et son Application à l’Interférence Intra-système des Communications CDMA Emile Ghizzo, Julien Lesouple. p. 133-136 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'estimation de paramètres en communications ou traitement du signal repose sur l'hypothèse d'ergodicité, permettant d'observer les statistiques aléatoires du signal via son évolution temporelle. Cependant, en présence d’interférences ou de distorsions, cette hypothèse peut être invalidée, rendant l’estimateur biaisé et son étude complexe. Ce papier propose une approche probabiliste pour analyser les statistiques temporelles et aléatoires des signaux (ergodiques et non ergodiques). Il en dérive des propriétés caractérisant les signaux à onde entretenue (Continuous Wave - CW) pondérés, courants en communications, puis les applique à l’étude des interférences intra-système dans les communications à Accès Multiple par Répartition en Code (Code Division Multiple Access - CDMA). Les résultats établissent la convergence en loi de l'interférence vers une variable gaussienne et en expriment la puissance ainsi que la densité spectrale, assimilant son impact sur toute la chaîne de réception à un bruit gaussien.

35. Approximation efficace des LLR pour les canaux à bruit additifs symétriques $\alpha$-stables Anne SAVARD. p. 137-140 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Avec le nombre croissant de dispositifs communicants hétérogènes, les interférences constituent désormais un goulot d'étranglement majeur pour les systèmes sans fil. Celles-ci sont de plus de nature impulsive et peuvent être modélisées par une distribution symétrique \(\alpha\)-stable. Sous cette distribution, les rapports de log-vraisemblance (LLR) sont non-linéaires et sans expression analytique, nécessitant ainsi des approximations pour un décodage de canal efficace. Nous étudions ici une approximation non-linéaire des LLR basée sur deux paramètres et montrons que l'arrondi de ces paramètres à l'entier le plus proche n'entraîne qu'une dégradation mineure du taux d'erreur binaire (BER) par rapport aux valeurs optimales. De plus, une efficacité computationnelle est obtenue en fixant un paramètre à une valeur constante et en limitant l'autre à un petit intervalle d'entiers.

36. Scoop : une méthode d'optimisation de réseaux de neurones adaptée aux attaques par canaux auxiliaires Nathan Rousselot, Karine Heydemann, Loïc Masure, Vincent Migairou. p. 141-144 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente un nouvel algorithme d'optimisation pour l'entrainement des réseaux de neurones dans le cadre des attaques par canaux auxiliaires (DL-SCA). Cet algorithme, appelé Scoop, est une descente de miroir stochastique de second ordre. Nous montrons que Scoop est capable de repousser significativement les limites actuelles du DL-SCA en présence de masquage. Grâce à Scoop, nous avons pu mener à bien la première attaque DL-SCA sur le jeu de données ASCADv2.

37. Transformée de Kravchuk réalignée, implémentation efficace et illustration sur signaux élémentaires et réels Barbara Pascal, Julien Flamant, Rémi Bardenet. p. 145-148 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La transformée de Kravchuk, récemment introduite, représente les signaux discrets sur la sphère unité. Sa formulation initiale possède deux écueils majeurs : d'une part un coût de calcul prohibitif et d'autre part un manque d'interprétabilité de ses coordonnées sphériques. En établissant une connexion entre la transformée de Kravchuk et la décomposition en harmoniques sphériques de spin, une nouvelle transformée réalignée est proposée. Grâce à une implémentation de type transformée de Fourier rapide, le calcul de la nouvelle transformée et de son inverse est à la fois rapide et numériquement stable. En outre, la nouvelle transformée de Kravchuk s'interprète bien comme une transformée temps-fréquence discrète.

38. Angular Estimation with Leaky Wave Antennas: Toward a Low-Tech Radar? Benjamin Gigleux, Valentin Lourenco Martins, Aurélie Dorlé, Sara El Bouch. p. 149-152 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les antennes à onde de fuite permettent de balayer un domaine angulaire en paramétrant la fréquence du signal émis. Elles pourraient donc permettre la réalisation de radars avec une faible complexité où une seule voie d’émission-réception suffirait à couvrir un plan. Cet article établit la borne de Cramer-Rao pour l’estimation de la direction d’une cible avec un tel radar.

39. La borne bayesienne de Schützenberger-van~Trees : Un principe d'incertitude sur l'a posteriori Olivier Rioul, Alexandre Renaux. p. 153-156 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cette communication propose une perspective historique sur la borne de Cramér-Rao bayésienne (BCRB), généralement attribuée à van Trees qui l'a découverte en 1968. Selon la loi de Stigler sur l'éponymie, aucune découverte scientifique ne porte le nom de son premier découvreur. C'est non seulement le cas de la borne Cramér-Rao elle-même -- due notamment aux mathématiciens français Fréchet et Darmois -- mais aussi de l'inégalité de van Trees. En effet, le médecin, généticien, épidémiologiste et mathématicien français Marcel-Paul (Marco) Schützenberger, dans un petit article d'une quinzaine de lignes seulement, écrit en 1956 -- plus d'une décennie avant van Trees -- avait non seulement démontré la BCRB, mais comme le montre une lecture approfondie de sa preuve, l'avait fait avec une démarche très originale en la reliant au principe d'incertitude de Weyl-Heisenberg sur l'a posteriori. Nous passons en revue et comparons les contributions de Schützenberger et de van Trees ainsi que celles de Gart en 1959. L'équivalence générale entre BCRB et principe d'incertitude sur l'a posteriori ouvre de nouvelles perspectives.

40. Vers une axiomatique minimale de l'information quantique : Schrödinger ex-nihilo Olivier Rioul. p. 157-160 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Partant de deux simples postulats quantiques, on peut retrouver l'équation de Schrödinger qui modélise l'évolution d'un système quelconque en dimension finie. Cette équation de la physique fondamentale, qui peut sembler absconse pour la communauté du traitement du signal, n'est en effet qu'une conséquence de propriétés d'orthogonalité dans un espace de Hilbert et d'une hypothèse probabiliste sur la mesure quantique. Sa preuve mathématique utilise des versions simplifiées des théorèmes de Wigner et de Stone.

41. Annulation de l’Auto-interférence dansun Système MIMO Full-Duplex par un Précodage MMSE Contraint Xuan Chen, Vincent Savaux, Matthieu Crussière. p. 161-164 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente une nouvelle méthode de précodage basée sur l’annulation de l’auto-interférence (SIC) dans le domaine spatial, appelée MMSE contraint (C-MMSE), pour un système massive MIMO en full-duplex (FD) sous-dimensionné, où le récepteur (RX) reçoit uniquement un signal d’intérêt (SOI). Dans un tel système, où l’approche conventionnelle basée sur la SVD de la matrice de canal ne fonctionne pas, le C-MMSE reformule l’annulation de l’auto-interférence (SIC) comme un problème d’optimisation MMSE avec des contraintes SIC spécifiques. Sa comparaison par simulation avec la performance du MMSE conventionnel montre que le C-MMSE permet d’obtenir une meilleure efficacité spectrale, résultat d’une annulation parfaite de l’auto-interférence.

42. Précodeur MMSE ajustable pour l’annulation d’interférences dans un système de communication MIMO massif multi-utilisateurs Xuan Chen, Vincent Savaux, Matthieu Crussière. p. 165-168 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous introduisons un nouveau précodage spatial pour résoudre le problème de l’interférence croisée (CI) entre utilisateurs (UE) dans un scénario de communication MIMO (multiple-input multiple-output) à voie descendante (DL). Le précodeur proposé s'appuie sur la minimisation de l'erreur quadratique moyenne (MMSE) en considérant une contrainte supplémentaire ajustable qui permet à la station de base de réguler la CI affectant un UE spécifique. Après avoir dérivé l’expression théorique de ce nouveau précodeur MMSE ajustable (T-MMSE pour tunable), nous discutons le choix du paramètre de régulation de la CI et son impact sur les performances du système. Les résultats de simulation montrent sa grande flexibilité dans la gestion de l'interférence, ce qui en fait une solution plus polyvalente que le MMSE traditionnel dans divers scénarios de communication.

43. Précodage Sécurisé Pour les Réseaux Massivement MIMO non-Cellulaire Steve Sawadogo, Vincent Savaux, Luc Le Magoarou, Matthieu CRUSSIERE, Patrick Savelli. p. 169-172 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous proposons des précodages par projection pour sécuriser les transmissions massivement MIMO pour les communications non-cellulaires. Nous dérivons trois précodages sécurisés basés sur le précodeur zéro-forcing (ZF). Le premier annule le signal transmis dans la direction non-désirée, le second sécurise d'abord le canal légitime avant le précodage ZF, et le troisième, minimise l'érreur quadratique moyenne sous contrainte de sécurité. Avec une révision de la définition usuelle du débit secret (\emph{secrecy rate}), les résultats de simulations confirment la suppression totale du signal reçu par l'utilisateur illégitime, améliorant significativement la sécurité sans injection de bruit artificiel.

44. Petite histoire de $\sigma^2_{\infty}=\exp \int\log \gamma(\lambda) d\lambda$ et de la prédiction à un pas Pierre-Olivier Amblard. p. 173-176 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'article propose une visite guidée au pas de course des liens existant entre prédiction linéaire à un pas des séries aléatoires stationnaires et théorie des polynômes orthogonaux sur le cercle unité. Il commence par rappeler des aspects historiques du développement de la théorie des séries aléatoires stationnaires qui ont conduit à la formalisation et la résolution du problème de prédiction. Il revient ensuite sur la théorie des polynômes orthogonaux sur le cercle unité avant d'exhiber les liens profonds entre les deux aspects.

45. Ordonnancement et ACM conjoint sur canal aléatoire basé sur un transformer entrainé par apprentissage profond par renforcement Sylvain Nérondat, Xavier Leturc, Christophe Le Martret, Philippe CIBLAT. p. 177-180 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons une solution conjointe d’ordonnancement et de sélection du schéma de modulation et codage pour un système de communications sans fil sur un canal aléatoire. Les trafics de chaque lien sont "contraints en délai" ou "best effort". Les paquets sont stockés dans des files d’attente de taille finie, et les paquets arrivant alors que la file est pleine sont supprimés. Les pertes de paquets peuvent être aussi dues au canal ou à un dépassement de délai. L’allocation des ressources se fait par bloc sur une trame, chaque bloc étant dédié à un type de trafic pour un lien donné. La solution repose sur un réseau de neurones profond de type "transformer", combiné à une ramification d’action et entraîné par apprentissage par renforcement afin de minimiser la perte de paquets.

46. Imagerie Radar Opportuniste basée sur un signal OFDM dédié au multiplexage spatial des utilisateurs Jean-Baptiste Doré, David Demmer, Benoit Denis. p. 181-184 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans ce travail, nous abordons l'utilisation d'une approche opportuniste pour l'imagerie radar en exploitant un signal OFDM. L'approche considérée ne dégrade pas les performances de communication du système et se base sur une estimation du canal radar à partir des signaux de référence et de signaux porteurs des données destinés aux utilisateurs dans un contexte de multiplexage spatial. Nous démontrons comment ce système peut être utilisé pour réaliser une imagerie efficace, en tirant parti des signaux existants pour optimiser la collecte de données radar. Cette méthode ouvre la voie à de nouvelles possibilités pour l'intégration des systèmes radar dans les réseaux de communication modernes.

47. CNN-SPDNet : un réseau de neurones Riemannien profond pour l’interprétation spatio-fréquentielle en EEG BCI Gatien Darley, Stéphane Bonnet. p. 185-188 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Résumé – Pour décoder les signaux d’électroencéphalographie (EEG), les réseaux riemanniens profonds tels que le SPDNet sont particulièrement performants car mêlant deux techniques : la géométrie riemannienne et l’apprentissage profond. Cet article vise à améliorer ce réseau avec l’ajout en amont d’une couche de convolution (CNN) pour apprendre de manière end-to-end des bandes de fréquences propres à chaque sujet. La contribution principale réside dans l’interprétation des poids appris par le réseau CNN-SPDNet : à la fois les filtres fréquentiels et les filtres —et patterns— spatiaux. Des résultats convaincants sont obtenus sur un jeu de compétition BCI avec un gain moyen de 5.4% pour la méthode proposée par rapport à un SPDNet opérant sur une bande de fréquences fixe. L’interprétation neurophysiologique des poids appris complète avantageusement ce type d’approche. Abstract – For electroencephalography (EEG) signals decoding, deep riemannian networks, such as the SPDNet, are particularly effective as they combine two techniques: riemannian geometry and deep learning. This paper aims to enhance this network by introducing an upstream convolutional layer (CNN) to learn subject-specific frequency bands in an end-to-end manner. The main contribution lies in the interpretation of the learned weights of the CNN-SPDNet: both the frequency filters of the CNN and, more importantly, the spatial filters —and patterns— learned by the SPDNet. Convincing results are shown on a BCI competition dataset with a mean improvement of 5.4% with the proposed method compared to an SPDNet operating on a fixed frequency band. The neurophysiological interpretation of learned weights is a useful complement to this type of approach.

48. Théorie géométrique de Souriau de l’information quantique Frédéric BARBARESCO. p. 189-192 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous exposons ici le modèle géométrique de l'Information Quantique, tel qu'introduit par Jean-Marie Souriau. Ce dernier a élaboré le concept de quantification géométrique en introduisant la notion de variété quantique fibrée en cercle au-dessus d’une variété symplectique, laquelle est une orbite coadjointe. Il devient ainsi possible d’étendre la définition de la fonction hamiltonienne, permettant de caractériser les « états quantiques » comme des fonctions complexes définies sur le groupe

49. Analyse multifractale construite sur les weak scaling exponents Herwig Wendt, Patrice Abry, Philippe Ciuciu, Merlin Dumeur, Stéphane Jaffard, Wejdene Ben Nasr, Guillaume Saës. p. 193-196 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'analyse multifractale est un outil de traitement du signal bien établi qui examine la dynamique des données au-delà des statistiques de second ordre et à travers de multiples échelles en quantifiant les fluctuations de leur régularité ponctuelle. Un élément clé est de définir un exposant de régularité ponctuelle. Ce travail introduit un nouvel exposant qui, contrairement aux formulations antérieures basées sur les exposants Hölder ou les p-exposants, ne fait l'hypothèse d'aucune régularité globale a priori, ce qui le rend applicable à une plus large gamme de signaux et d'images, y compris ceux ayant une régularité négative. Les simulations numériques mettent en évidence ses avantages et illustrent son utilisation dans l'analyse d'un signal MEG.

50. Génération de Matrices de Corrélation avec des Structures de Graphe par Optimisation Convexe Ali Fahkar, Kévin Polisano, Irène Gannaz, Sophie ACHARD. p. 197-200 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce travail porte sur la génération de matrices de corrélation théoriques présentant des motifs de parcimonie spécifiques, associés à des structures de graphe. Nous présentons une nouvelle approche basée sur l'optimisation convexe, offrant une plus grande flexibilité par rapport aux techniques existantes, notamment en contrôlant la moyenne de la distribution des entrées dans les matrices de corrélation générées. Cela permet de produire des matrices de corrélation représentant plus fidèlement des données réalistes et pouvant être utilisées pour l'évaluation comparative des méthodes statistiques d'inférence de graphes.

51. Région de débits atteignable en NOMA avec amplificateur non linéaire Gaston Philippe, Arthur Louchart, Anne SAVARD. p. 201-204 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans ce papier, nous donnons une expression du débit pour la technique d'accès multiple non orthogonale (NOMA) dans le sens descendant, prenant en compte une non-linéarité induite par un amplificateur de puissance au niveau de l'émetteur. Nous comparons ensuite ces résultats à ceux obtenus pour un modèle linéaire et comparons également à une technique d'accès multiple orthogonale.

52. Limites théoriques de l'estimation bayésienne de matrices non symétriques de petits rangs en grande dimension : le cas de lois a priori uniformes sur le Grassmanien. Mohammed-Younes GUEDDARI, Philippe LOUBATON. p. 205-208 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les limites théoriques de l'estimation bayésienne d'une matrice de petit rang $\Y_r$ sont évaluées dans le régime des grandes dimensions dans le cas où les espaces engendrés par les lignes et les colonnes de $\Y_r$ sont tirés uniformément. Pour cela, un problème variationnel est résolu explicitement, et une expression de l'erreur quadratique moyenne de l'estimateur bayésien optimal de $\Y_r$ en est déduite. Il est également établi qu'un estimateur basé sur une analyse en composantes principales de l'observation est asymptotiquement optimal.

53. Quelques éléments historiques portant sur la cyclostationnarité et son application en télécommunications Philippe CIBLAT. p. 209-212 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans ce papier, nous donnons quelques grandes dates sur la théorie de signaux cyclostationnaires, la première étant en 1958 du côté des Etats-Unis et la deuxième étant 1959 du côté de l'Union Soviétique suivi de quelques autres des deux côtés de l'Océan Atlantique. Nous nous attardons ensuite sur deux applications-phares de la cyclostationnarité que sont la synchronisation et l'égalisation autodidacte pour lesquelles la communauté française a joué un rôle conséquent dans les années 1990.

54. A greedy algorithm for the estimation of instantaneous frequencies in the time-frequency plane Sajjad Khodaverdi, Jean-Baptiste Courbot, Ali Moukadem. p. 213-216 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cette contribution, nous proposons d'étudier l'estimation de modes dans le plan temps-fréquence en adoptant un modèle paramétrique. Le problème inverse à résoudre est celui de l'estimation du nombre, et des paramètres, des composantes. Pour le résoudre, nous proposons un algorithme glouton qui ajoute de manière itérative des composantes, tout en effectuant une optimisation coarse-to-fine à chaque étape. Les résultats numériques permettent d'illustrer les performances de la méthode proposée, pour la restitution des composantes comme des fréquences instantanées.

55. Suivi des ondes membranaires via le signal analytique 2D Jalal JOUIDI, Pierre Granjon, Florent Chatelain, Nicolas Le Bihan. p. 217-220 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous abordons le problème de l’estimation des déplacements induits par une onde se propageant à la surface d’une membrane. L’approche proposée repose sur la modulation d’un motif imprimé sur la membrane par le champ de déplacement. Une technique de démodulation, basée sur le signal analytique 2D partiel, permet d’estimer précisément les paramètres de l’onde. Des résultats sur données simulées démontrent la supériorité de notre méthode face à la corrélation d’images numériques (DIC).

56. Commutations de sous-réseaux par apprentissage pour une imagerie radio interférométrique efficiente Jianhua WANG, Mohammed Nabil EL KORSO, Lucien BACHARACH, Pascal LARZABAL. p. 221-224 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'abaissement du coût computationnel constitue un défi majeur pour les systèmes d'imagerie interférométrique de nouvelle génération. Dans les nouveaux systèmes, le grand nombre d'antennes rend impraticable le traitement simultané de toutes les mesures en raison des contraintes de capacité de calcul. Afin de réduire la charge computationnelle tout en maintenant la qualité de reconstruction des images, nous proposons une stratégie de commutation de sous-réseaux qui utilise un nombre réduit d'antennes et différentes configurations d'antennes. Pour exploiter pleinement la flexibilité de cette stratégie de commutation, cet article propose une méthode probabiliste basée sur l'apprentissage profond pour concevoir des schémas de sélection d'antennes en tenant compte de l'algorithme de reconstruction d'image.

57. Méthode robuste de synchronisation et de décodage pour les lecteurs RFID UHF Romain Borgna, Julien Huillery, Yvan Duroc, Arnaud Bréard. p. 225-228 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cette étude présente et évalue une chaîne complète de traitements en réception pour la RFID UHF passive basée sur des opérations de filtrage adapté pour la détection, la synchronisation et le décodage. Elle permet de garantir 95% de réussite de décodage pour un rapport signal sur bruit (RSB) de -5dB. Aussi, afin de maintenir ces performances face aux déviations de débit binaire dans la réponse de l’étiquette RFID, une méthode pour concevoir une banque de corrélateurs est proposée.

58. Détection d’anomalies magnétiques sous contraintes physiques Clément CHENEVAS-PAULE, Steeve Zozor, Laure-Line ROUVE, Olivier MICHEL, Olivier PINAUD, Romain KUKLA. p. 229-232 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les aimantations induite et permanente d’une source ferromagnétique engendrent une anomalie locale du champ terrestre pouvant être exploitée à des fins de détection dans le cadre de la « détection d’anomalies magnétiques ». Dans cette étude, un magnétomètre en mouvement capte un signal, combinaison linéaire inconnue de fonctions d’une base connue. Le schéma de détection classique reposant sur l’estimation des coefficients de la combinaison est revisité en prenant en compte la dépendance de ces coefficients avec la source et la physique du problème. Les performances de détection s’améliorent de manière significative.

59. Évaluation des impacts environnementaux à partir d'une ACV simplifiée pour un réseau massif MIMO distribué Josua Guerid, Jean-Baptiste Doré, Rafik Zayani, Maxime Peralta, Léa Di Cioccio. p. 233-236 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce travail évalue l'impact environnemental des réseaux multi-antennes distribués sans cellule (CF-mMIMO), une technologie envisagée pour les futures générations de télécommunications. Bien que largement reconnus pour leur efficacité énergétique à haut débit, aucune évaluation de leur impact environnemental n'a été réalisée afin de justifier de leur pertinence, notamment par rapport aux architectures co-localisées usuelles. Dans cette étude, l'empreinte environnementale est analysée à l'aide d'une analyse du cycle de vie (ACV) simplifiée et comparée à d'autres études afin de vérifier la cohérence du modèle. Les résultats obtenus indiquent que selon les configurations choisies et les performances visées, le déploiement des réseaux CF-mMIMO peut autant être une option à faible qu'à fort impact environnemental. Enfin, l'introduction d'un modèle tenant compte de la fabrication des équipements montre que l'efficacité énergétique seule n'est pas pertinente.

60. Auto-encodeurs atomiques parcimonie-max et application aux problèmes inverses Ali Joundi, Yann Traonmilin, Alasdair Newson. p. 237-240 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Un auto-encodeur atomique est une architecture de réseau de neurones (1) qui décompose une image suivant le modèle de parcimonie classique i.e. en somme d’atomes de faible dimension. Mais, celui-ci n’est pas adapté pour certains types d’images. Pour cela, on propose et on étudie un nouveau modèle de parcimonie, la parcimonie-max, puis on implémente l’auto-encodeur atomique associé. On montre expérimentalement qu’il conduit à une décomposition parcimonieuse des images d’entrée. Avec cette nouvelle architecture, on résout un problème inverse de super résolution via une descente de gradient projeté qui utilise le réseau entraîné comme opérateur de projection. Cette architecture montre une robustesse améliorée par rapport aux précédentes.

61. Reconstruction sans-grille de courbes en problèmes inverses Anéva Doliciane Tsafack, Laure Blanc-Féraud, Gilles Aubert. p. 241-244 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Des travaux récents en problèmes inverses ont introduit une fonctionnelle d’optimisation définie sur l’espace des mesures de Radon vectorielles à divergence finie, permettant de reconstruire des courbes dans une approche sans grille. La résolution numérique soulève des défis majeurs. Dans ce travail, nous introduisons un espace de mesures de Lebesgue à densité dans un espace de Sobolev adapté, dense dans l’espace précédent pour la topologie faible-* locale. Nous établissons ensuite l’équivalence en termes de solutions entre la fonctionnelle reformulée dans cet espace et la fonctionnelle originale. Cette nouvelle approche permet d’exploiter les algorithmes standards d’optimisation convexe pour l’implémentation numérique. Enfin, nous introduisons un modèle d’acquisition mieux adapté aux données issues de l’imagerie de fluorescence, conduisant à des résultats numériques prometteurs.

62. Composition de Fonctions Généralisées A Valeurs Tensorielles Remy Boyer. p. 245-248 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les fonctions sont fondamentales en mathématiques car elles offrent un cadre analytique pour modéliser les relations entres variables. Bien que les fonctions à valeurs matricielles, notamment pour des matrices rectangulaires, appelées fonctions généralisées, soient bien établies, les fonctions à valeurs tensorielles n’ont pas été explorées de manière aussi approfondie. Les tenseurs, qui généralisent les matrices à plus de deux dimensions, sont intensivement exploités en sciences et dans le domaine de l’ingénierie. Cependant, les fonctions appliquées aux tableaux multi-linéaires basés sur les modèles de Tucker ou CP (Canonical Polyadic) font encore défaut. Ce travail propose la définition de fonctions à valeurs tensorielles adaptées à la riche structure multi-linéaire d’un tenseur d’ordre Q. Le formalisme proposé s’appuie sur les notions de composition de fonctions généralisées, combinant des opérations de dépliement et de repliement de tenseurs. Nous montrons que la HOSVD (Higher-Order Singular Value Decomposition) pour les tenseurs jouit de la même propriété que la SVD pour les matrices en termes de ’propagation’ de la fonction sur le ’noyau’ de la décomposition. Enfin, les aspects computationnels sont discutés.

63. Décomposition conjointe de plusieurs tenseurs fondée sur une extension des équations de Sylvester Fatima Z. M RANI, Matthieu PUIGT, Cédric JAMET, Gilles DELMAIRE, Claire GUILLOTEAU, Gilles ROUSSEL, Vincent VANTREPOTTE. p. 249-252 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous étudions le problème de la fusion de plusieurs images multispectrales et d'une image hyperspectrale, étendant ainsi le problème classique de multi-sharpening visant à fusionner une image multispectrale et une image hyperspectrale. La méthode proposée repose sur la décomposition tensorielle conjointe. En nous appuyant sur le cadre de la méthode STEREO, nous proposons une approche, nommée G-STEREO-1, qui exploite une extension des équations de Sylvester au sein d'une décomposition polyadique canonique tensorielle conjointe. Des expériences sur données synthétiques et réelles montrent que la méthode proposée surpasse les méthodes de fusion tensorielle de la littérature.

64. Prédiction des instants de changement de percept dans un modèle de perception multistable Massyl Moudoud, Ronald PHLYPO. p. 253-256 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Un modèle Bayésien est proposé pour la prédiction de l'instant de changement de percept en perception multistable. Une première étape relie la durée des percepts aux probabilités de survie. La deuxième étape intègre une entrée exogène qui est reliée aux changements de taux de déclenchement entre les populations neuronales telles qu’observées dans le cortex visuel des singes. Le modèle Bayésien est validé sur des données d'un modèle d'interaction de populations neuronales. Une relation est trouvée entre la différence des taux de déclenchements et le délai restant jusqu'au changement de percept. Nos travaux ouvrent la voie vers une base neuronale permettant une prédiction à l’avance des changements de percepts.

65. Réseaux de Neurones Récurrent avec Régularisation de Variation Totale pour la Séparation d’Images TEP Dynamiques à Double Traceur Léo Mottay, Pierre Decazes, Sébastien Hapdey, Su Ruan. p. 257-260 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La tomographie par émission de positrons (TEP) dynamique repose sur une acquisition séquentielle immédiatement après l’injection d’un traceur, permettant d’observer l’évolution des signaux au fil du temps. Dans l’imagerie TEP dynamique à double traceur, deux radiopharmaceutiques sont administrés simultanément en un seul scan, réduisant ainsi le temps d’examen et l’inconfort du patient. Cependant, la séparation des signaux des deux traceurs reste un défi majeur, car le système TEP ne peut pas les distinguer directement (les deux émettant des photons de même énergie). Dans cet article, nous proposons une méthode basée sur un réseau de neurones récurrents (RNR) pour séparer les courbes d’activité en fonction du temps (TAC) à chaque voxel. Étant donné que ces signaux sont affectés par du bruit, nous intégrons une régularisation de variation totale dans le modèle afin d’améliorer la séparation et de garantir une meilleure cohérence temporelle. Comme la validation clinique n’est pas encore réalisable, nous avons simulé des signaux TACs pour évaluer notre approche. Une comparaison avec des RNR classiques montre que notre méthode offre de meilleures performances en termes de séparation des traceurs.

66. Un nouvel algorithme EM pour le recalage de nuages de points 2D--3D avec association de données probabiliste Younes Boutiyarzist, Jean-Yves TOURNERET, Francois VINCENT, Philippe Salmon. p. 261-264 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente un nouvel algorithme EM (Expectation-Maximization) pour le recalage robuste de nuages de points 2D–3D issus d’une caméra et d’une carte de référence. Nous nous intéressons à l’estimation conjointe des paramètres d’intérêt (i.e., orientation et position de la caméra), de la proportion d’observations aberrantes et de la variance du bruit de mesure. L’approche proposée repose sur un modèle statistique intégrant des variables latentes permettant de gérer les associations inconnues entre points 2D, points 3D et observations aberrantes, via un modèle de mélange. Des résultats obtenus à partir de données synthétiques montrent l’intérêt de cette démarche en termes de rapidité de convergence de l’algorithme proposé et de robustesse face aux mesures aberrantes.

67. Une Méthode Plug-and-play pour le Recalage de Nuages de Points Maurine Bouzeid, Pierre Bruel, Samy Labsir, Vincent Poulain, Julián Tachella, Jean-Yves Tourneret, David Youssefi. p. 265-268 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente une extension d’une approche plug-and-play pour le recalage de nuages de points 3D. Le problème de recalage de nuages de points 3D est formulé comme un problème inverse, et une approche plug-and-play est utilisée pour conjointement débruiter et recaler les nuages de points. Dans cet article, nous proposons d’optimiser la transformation de recalage en exploitant la structure de groupe de Lie de la transformation rigide SE(3). Des expériences menées sur des nuages de points LiDAR sont présentées mettant en évidence l’amélioration de la méthode par rapport à une méthode existante.

68. Méthodes de démosaïquage multispectral pour l’imagerie spatiale Jean-Yves TOURNERET, Arthur Renaudeau, Jean-denis Durou, Nicolas THERET, Sylvain LUCAS, quentin douaglin. p. 269-272 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les missions spatiales nécessitent des capteurs alliant hautes résolutions spatiale et spectrale. Pour ce faire, de nouveaux instruments permettent d’obtenir plusieurs bandes spectrales en une seule acquisition. Cela entraîne cependant un sous-échantillonnage, nécessitant un démosaïquage pour reconstruire les images complètes. Cet article présente un état de l’art condensé des méthodes de démosaïquage pouvant être appliquées à un motif de 25 bandes spectrales et évalue leurs performances sur une image réelle du cratère Humboldt situé sur la Lune. Cette analyse montre que les approches itératives et par démélange offrent les meilleures performances en termes de fidélité spectrale et spatiale.

69. Caractérisation d'une Source Diffuse à partir des Moments de sa Densité de Puissance en Tomographie SAR Colin Cros, Laurent Ferro Famil. p. 273-276 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce papier présente une méthode pour l'estimation de caractéristiques d'une source diffuse à partir de mesures interférométriques dans le cadre de la tomographie SAR. La méthode proposée repose sur l'utilisation des moments centrés de la densité de réflectivité et n'utilise aucun modèle a priori. Les performances de la méthode sont discutées en fonction des paramètres du réseau d'antennes (résolution et ambigüité).

70. The AI Waterfall: A Case Study in Integrating Machine Learning and Security Patrick Bas, Jan Butora. p. 277-280 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Si le tatouage numérique existe depuis plus de 30 ans, les solutions les plus populaires actuellement reposent sur des systèmes d'apprentissages de bout en bout. En prenant comme exemple un système de tatouage à l'état de l'art permettant de localiser précisemment la génération de paroles, nous montrons que l'opacité du système appris permet de facilement enlever le signal de tatouage sans aucunement dégrader le contenu. Cette attaque illustre à quel point il est actuellement difficile de formaliser la contrainte de la sécurité multimedia comme une fonction de coût à optimiser. Il ne faut donc pas oublier que dans le domaine de la sécurité, les sommets de l'IA cotoient souvent des chutes d'eau.

71. Filtre adapté normalisé hors-grille : une reparamétrisation robuste en présence de bruit corrélé Simon Trottier, Jonathan Bosse, Olivier Rabaste, Philippe Forster, Jean-Philippe Ovarlez. p. 281-284 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Un problème général en radar consiste à détecter si le signal reçu contient ou non un signal d’intérêt spécifique. Nous nous concentrons sur l’un des détecteurs les plus répandus : le filtre adapté normalisé (NMF). Pour être plus réaliste, nous considérons le cas où la cible peut être hors grille. Il existe actuellement différentes méthodes pour effectuer le test NMF hors grille, mais leurs performances ne sont pas robustes, en particulier lorsque le bruit n’est pas blanc. Dans cet article, une nouvelle méthode basée sur une reparamétrisation est proposée. Tout en ayant un coût de calcul similaire aux techniques de l’état de l’art, ses performances de détection sont toujours meilleures.

72. Modèle statistique apprenable de mélange de distributions et fusion de données multivariées pour l'imagerie d'exoplanètes Théo Bodrito, Olivier Flasseur, Julien Mairal, Jean Ponce, Maud Langlois, Anne-Marie Lagrange. p. 285-288 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’imagerie des exoplanètes est un défi majeur en raison du fort contraste étoile-planète. Cet article propose un modèle statistique multi-échelle de la nuisance affectant des séries d’images multivariées. Intégré à une architecture apprenable, il exploite la physique du problème et permet la fusion de plusieurs observations d’une même étoile. Appliquée à des données réelles, la méthode améliore significativement la sensibilité de détection et la précision de l’estimation de la position et du flux des exoplanètes.

73. Modèle bayésien hiérarchique pour l’estimation du coefficient de reproduction de la COVID-19 à partir de comptes hebdomadaires Barbara Pascal, Patrice Abry. p. 289-292 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La surveillance d'une épidémie en temps réel est un enjeu majeur, notamment au long cours comme en témoigne la pandémie de COVID-19 qui reste active plus de cinq ans après son émergence. Un indicateur de l'intensité de la propagation est le coefficient de reproduction, dont l'estimation achoppe sur plusieurs difficultés. Tout d'abord les données collectées en temps réel sont parfois de qualité médiocre les comptes des jours chômés étant souvent sous-estimés ou comptabilisé avec un délai variable. En outre, une fois l'épidémie installée, certaines agences de santé passent d'un report quotidien à un décompte hebdomadaire, rendant caduques les méthodes d'estimation quotidienne du coefficient de reproduction. Pour palier ces écueils, un modèle bayésien hiérarchique adapté à une description à hebdomadaire de la dynamique épidémique est proposé. Un échantillonneur de Gibbs est ensuite construit afin de calculer la moyenne a posteriori et les intervalles de crédibilité du coefficient de reproduction hebdomadaire. La procédure complète est illustrée sur les comptes d'infection à la COVID-19 de plusieurs pays et phases de l'épidémie.

74. Un algorithme de point fixe pour calculer des barycentres robustes entre mesures Eloi Tanguy, Julie Delon, Nathaël Gozlan. p. 293-296 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les barycentres de Wasserstein représentent des distributions moyennes entre plusieurs mesures de probabilité pour la distance de Wasserstein. Le calcul numérique de ces barycentres est notoirement difficile. Une approche courante consiste à utiliser des méthodes de point fixe, similaires à celles employées pour le calcul des moyennes de Fréchet sur les variétés. La convergence de telles méthodes pour les barycentres $W_2$ et des mesures absolument continues a été étudiée par Alvarez-Esteban et al.. Nous examinons comment cette méthode peut être généralisée pour des coûts de transport variés, en particulier robustes aux outliers, et des mesures de probabilité génériques. Nous établissons des résultats de convergence pour cette approche et illustrons son comportement numérique sur plusieurs problèmes.

75. Nouvelle approche pour l’estimation séquentielle et robuste de phase à partir de séries d’images SAR multi-temporelles Dana El hajjar, Guillaume Ginolhac, Yajing Yan, Mohammed Nabil EL KORSO. p. 297-300 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article propose une approche séquentielle combinant le Phase Linking et l’estimation de maximum de vraisemblance. Les données sont divisées en deux blocs : les acquisitions précédentes, utilisées comme a priori, et les nouvelles images dont la phase est estimée. Contrairement aux méthodes classiques supposant une distribution gaussienne, nous introduisons un modèle de mélange gaussien évolutif pour une meilleure robustesse aux données non gaussiennes. L’approche est validée sur des images radars à synthèse d’ouverture de Sentinel-1.

76. Modèles de diffusion pour la synthèse de textures anisotropes Kinan ABBAS, Leo Davy, Patrice Abry, stephane roux. p. 301-304 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les textures anisotropes, caractérisées par des propriétés statistiques dépendantes de la direction, jouent un rôle important en science des matériaux, informatique graphique et pour les applications biomédicales. Cependant, la synthèse précise de ces textures constitue un défi. Dans cette étude, nous explorons le potentiel des modèles de diffusion pour générer des textures anisotropes. Nous utilisons un modèle de diffusion construit à partir d'une architecture U-Net, entraîné avec un ensemble de textures anisotropes. Pour évaluer la qualité des textures générées, nous employons une transformée en ondelettes directionnelles (dual-tree complex wavelet transform), qui permet de quantifier l’anisotropie. Nos résultats indiquent que le modèle de diffusion synthétise efficacement des textures anisotropes, atteignant une grande fidélité dans la reproduction des propriétés directionnelles à travers de multiples échelles.

77. Mise en correspondance d'images satellites dans un espace latent variationnel contraint par information mutuelle Cassandra Mussard, Alexandre Constantin, Emmanuelle Sarrazin. p. 305-308 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La mise en correspondance entre deux images nécessite une mesure de similarité adaptée. Une mesure adaptée donne un poids plus fort aux images similaires. Nous proposons une nouvelle approche basée sur un auto-encodeur variationnel pour mesurer la distance entre deux lois à densité, avec une contrainte d’information mutuelle entre le vecteur latent et la loi en entrée.Nous montrons de bons résultats pour la correspondance entre images multi-modales, appuyé par l’ajout de la contrainte.

78. Un Nouveau Modèle Probabiliste pour l’Identification Modale sur un Diagramme de Campbell Alexandre BEREZIN, Yann ROTROU, Jean-Yves TOURNERET, Francois VINCENT. p. 309-312 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’identification modale des machines tournantes constitue un enjeu majeur pour la conception industrielle, notamment dans le domaine aéronautique. Dans ce contexte, la présence d’harmoniques et la dépendance des modes au régime compliquent l’analyse des signaux. Cet article propose un modèle probabiliste original pour détecter les modes propres à partir d’une carte de détection construite sur un diagramme de Campbell. Deux variantes de l’algorithme EM sont développées : une version classique et une version à classification sous contrainte (CEM) garantissant l’unicité des affectations le long des harmoniques. Les performances sont évaluées à l’aide de données simulées et comparées à la méthode RANSAC. Les résultats montrent que l’approche proposée améliore la précision d’identification et la robustesse aux outliers.

79. Modélisation sur groupes de Lie d'une distribution de Von Mises : application à la phase du signal GNSS Esteban MORALES AGUIRRE, Samy Labsir, Benoît Priot, Clément Gazzino, Gaël Pages. p. 313-316 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les observations de phase de la porteuse dans les récepteurs GNSS permettent un positionnement au centimètre près mais sont affectées par un bruit de phase supposé qui suit une distribution de von Mises, dégradant la performance des estimateurs. Nous proposons une approche novatrice contraignant les paramètres de von Mises—localisation angulaire et dispersion—dans l’espace du groupe de Lie SO(2) x R^+. Un estimateur du maximum de vraisemblance sur groupes de Lie, résolu via un algorithme de Newton, améliore la rigueur mathématique et la précision, notamment avec peu d'observations, par rapport aux méthodes euclidiennes.

80. Le PAPR du MIMO massif n'augmente pas avec le nombre d'antennes Marco Guzzo, Inbar FIJALKOW. p. 317-320 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Pour les systèmes MIMO massifs multi-utilisateurs en liaison descendante, nous fournissons une borne supérieure et une expression analytique du rapport entre la puissance de crête et la puissance moyenne (PAPR) dans le cas d'un canal gaussien. Contrairement à ce qui a été supposé et intuité dans la littérature, nous examinons une variété de précodeurs linéaires et expliquons comment le PAPR est indépendant du nombre d'antennes de la station de base (SB) lorsque les canal est parfaitement connu.

81. Séparation de sources par factorisation en matrices non-négatives et localisation de baleines à partir de sismomètres de fond de mer Jean Lecoulant, Quentin Saint-Christophe, Abdel Boudraa. p. 321-324 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans ce travail, la factorisation en matrices non-négatives est proposée pour séparer les chants stéréotypés de deux sous-espèces de baleine bleue enregistrés par un seul sismomètre de fond de mer (OBS). Elle décompose le spectrogramme en une matrice de composantes fréquentielles et une matrice d’évolutions temporelles. Les composantes dont les pics d’évolution temporelle correspondent à l’intervalle inter-chant des baleines servent à reconstruire des spectrogrammes dominés par chaque chant. Pour la localisation, nous utilisons l'azigramme, une représentation de l'azimut de la source dans le plan temps-fréquence. On pondère l’azigramme par les spectrogrammes reconstruits et on construit une densité d'occurrences en azimut. On construit les densités d'occurrences en latitude-longitude et on localise les baleines grâce à plusieurs OBS.

82. Estimating a graph’s spectrum via random Kirchhoff forests Simon Barthelmé, Fabienne Castell, Alexandre Gaudillière, Clothilde Melot, Matteo Quattropani, Nicolas Tremblay. p. 325-328 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Pour des matrices de grande taille, la décomposition spectrale exacte est trop coûteuse, et on ne peut calculer toutes les valeurs propres. Un objectif plus modeste consiste à approcher la loi empirique des valeurs propres, pour connaı̂tre approximativement leur répartition. Les approches classiques utilisent des estimateurs de Monte Carlo pour obtenir une estimation des moments de la loi des valeurs propres. Dans cet article, nous introduisons une nouvelle approche pour ce problème, basée sur des forêts aléatoires sur graphes dites forêts de Kirchhoff. Nous montrons comment certaines observables de ces forêts peuvent être exploitées pour obtenir des estimateurs de la densité spectrale empirique de laplaciens de grands graphes. Si la précision souhaitée de l’estimation n’est pas trop importante, notre approche ouvre la voie à des estimations spectrales de graphes en temps sous-linéaire en le nombre de liens.

83. Utilisation de réseaux de neurones pour la prédiction de la propagation modale en acoustique sous-marine Arthur Varon, Rémi Emmetière, Julien Bonnel, Jérôme Mars. p. 329-332 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les méthodes traditionnelles de simulation acoustique sous-marine sont coûteuses en temps de calcul. Le machine learning, notamment les réseaux de neurones, offre une alternative pour réduire ces coûts. Cependant, prédire le champ acoustique dans divers environnements est difficile en raison des échelles physiques variables et des phénomènes multiphysiques complexes. Les approches actuelles nécessitent souvent un ré-entraînement pour de nouveaux environnements. Notre méthode, basée sur la propagation modale utilise des réseaux de neurones pour prédire les paramètres modaux, tels que les nombres d'onde et les fonctions modales, décrivant la physique du guide d'ondes. Ces paramètres sont plus faciles à prédire, permettant l'entraînement pour plusieurs environnements. De plus, notre modèle est entraîné sur des fréquences et un nombre de modes variables, ce qui permet d’effectuer des prédictions pour une grande diversité d'environnements.

84. Une nouvelle approche IDP pour améliorer la sécurité de la couche physique et l'efficacité énergétique en OFDM Khaled Tahkoubit, Jean-Baptiste Doré, Jules Burget, Nicolas Cassiau. p. 333-336 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente une méthode modifiée de réduction du rapport crête-à-puissance moyenne (PAPR) par dichotomie itérative (M-IDP) pour sécuriser les transmissions OFDM tout en améliorant leur efficacité énergétique. Contrairement à la méthode IDP classique, les sous-signaux sont transmis séparément, augmentant ainsi la complexité de reconstruction pour d'éventuels écouteurs malveillants sans dégrader le bénéfice initial de réduction du PAPR. Des simulations montrent que la méthode M-IDP obtient des performances proches de celles obtenues par injection de bruit artificiel et supérieures à la technique OPLAS, mais sans coût supplémentaire en énergie, ce qui en fait une solution particulièrement adaptée aux systèmes OFDM sécurisés et économes en énergie.

85. Reconstruction d’images en tomographie photoacoustique avec régularisation combinée variation totale - Cauchy Trung Thai DO, Caroline Chaux, Paul Escande, Jerome Gateau. p. 337-340 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La tomographie photoacoustique (PAT) est une technique d’imagerie biomédicale pour laquelle la reconstruction des images est exigeante numériquement. Nous proposons une méthode de reconstruction reposant sur la minimisation d’une fonction coût utilisant une régularisation de type Cauchy appliquée sur la norme du gradient comme alternative à la variation totale. Elle est minimisée à l’aide d’un algorithme de BFGS modifié tenant compte de sa non-convexité et offrant une convergence rapide. Sur une expérience numérique simple, dans un contexte PAT, nous montrons que cette nouvelle régularisation mène à une reconstruction de meilleure qualité que celle obtenue par variation totale et ce, en un temps de calcul d’un ordre de grandeur plus rapide.

86. Estimation en ligne des paramètres de phase et de polarisation pour les ondes gravitationnelles. Pierre-Olivier Amblard, Olivier MICHEL. p. 341-344 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente un travail préliminaire concernant l'estimation en ligne des paramètres de polarisation dans des signaux bivariés, avec une application particulière à l'analyse d'ondes gravitationnelles. Nous adoptons un formalisme de Jones, bien connu en optique et en mécanique quantique, pour décrire les signaux observés. Pour modéliser les paramètres, nous adoptons une analogie mécanique en utilisant une équation différentielle ordinaire stochastique linéaire du second ordre pour décrire la dynamique de chaque paramètre d'intérêt. La version discrète en est utilisée comme un modèle d'espace d'état dans un cadre de filtrage non linéaire. Nous limitons la présentation au filtre de Kalman étendu qui permet d'illustrer la puissance de la modélisation adoptée.

87. Filtre de paroi par apprentissage profond pour l'estimation de vitesse Doppler en échocardographie Julia Puig, Fabien Millioz, Damien Garcia, Denis Friboulet. p. 345-348 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'échocardiographie Doppler couleur permet de visualiser le mouvement du sang dans le cœur, en filtrant temporellement les signaux ultrasonores, puis en estimant la phase de ces signaux filtrés. Ces étapes nécessitent un nombre d'acquisitions qui limitent l'utilité clinique de cette imagerie. Nous proposons une méthode basée sur l'apprentissage profond pour filtrer les signaux acquis à partir d'un nombre réduit d'échantillons. Couplée à une méthode estimant la vitesse Doppler à partir de ce même nombre d'échantillons, nous montrons sur des simulations d'acquisitions échocardiographiques la possibilité d'accélérer la cadence de l'échocardiographie Doppler.

88. Segmentation et détection des aberrations dans les images de chromosomes en métaphase Simon Schabat, Bruno Colicchio, Jean-baptiste Jean-Baptiste, Alain Dieterlen, Radhia M'Kacher. p. 349-352 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous travaillons sur des images en microscopie de fluorescence de chromosomes en métaphase, marquées par trois fluorochromes (DAPI, FITC, SpO). Environ 1 000 images issues de cultures cellulaires irradiées (0, 0.5, 1, 2, 4, 8 Gray) et de patients ont été collectées et annotées pour la dosimétrie, incluant des aberrations rares des télomères et centromères. Initialement, une segmentation par CNN a été développée pour résoudre des défis comme l'occlusion et les variations morphologiques, surpassant les méthodes classiques. Nous évoluons vers une classification multi-classes pour détecter automatiquement ces aberrations. Les performances, validées par un cytogénéticien via des métriques comme IoU, atteignent 98\% de précision et un IoU moyen de 0.92, ouvrant des perspectives prometteuses pour l'analyse cytogénétique en routine clinique.

89. Une brève histoire de la parcimonie : du traitement de signal à l’apprentissage profond Remi Gribonval, Elisa Riccietti. p. 353-356 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La notion de parcimonie joue un rôle transverse en traitement du signal et de l’image: elle permet d’aborder des tâches en apparence aussi diverses que la compression, le débruitage, la séparation de sources, l’acquisition compressée, et plus généralement les problèmes inverses. Son histoire illustre en quoi cette notion, avant tout naturelle quand on cherche à compresser des signaux, s’est aussi avérée une propriété précieuse quand on cherche à les reconstruire à partir d’observations incomplètes. Le savoir-faire associé a donné lieu à des algorithmes combinant garanties de performance et complexité bornée pour les problèmes inverses, mais comme nous allons le voir leur extension dans un cadre de réseaux profonds pour l’apprentissage frugal réserve aussi quelques surprises et soulève de nouveaux défis scientifiques.

90. Raining Words - Les modèles d'ASR peuvent-ils retranscrire les sous-genres de Metal ? Bastien Pasdeloup, Axel Marmoret. p. 357-360 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les styles extrêmes de chant associés à la musique Metal sont réputés pour leur intensité, leur saturation vocale et leur faible intelligibilité. Dans cet article, nous étudions la capacité des modèles récents de reconnaissance automatique de la parole (ASR) à retranscrire ce type de voix, en nous plaçant dans un cadre de données hors-distribution (OOD). Pour cela, nous évaluons cinq modèles d'ASR à l'état de l'art sur deux types de corpus : des enregistrements vocaux (chant seul), et un ensemble de chansons extraites de divers sous-genres du Metal. Nous appliquons également des techniques de séparation de sources pour isoler la voix dans les morceaux. Nos résultats montrent que les modèles considérés peinent à retranscrire correctement les paroles des chants extrêmes, particulièrement dans les cas de saturation vocale sévère ou de prosodie atypique.

91. Régression parcimonieuse par bloc et optimisation alternée pour la localisation de sources cérébrales à orientations inconnues Steven Le Cam, Radu Ranta. p. 361-364 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente une méthode parcimonieuse par régression itérative sur dictionnaire blocs matriciels, où une contrainte de rang 1 est introduite sur les coefficients de la régression de chaque bloc. L'application visée est la localisation de sources cérébrales, où les orientations des sources dipolaires à estimer sont supposées fixes mais inconnues, conduisant à l'introduction d'une contrainte de rang. Cet article fait suite à nos précédents travaux, la nouveauté principale résidant dans la stratégie d'optimisation alternée que nous proposons, permettant de réévaluer les coefficients de régression à chaque itération tout en garantissant la décroissance de l'erreur de reconstruction des mesures. Les performances de la méthode sont illustrées en simulation et montrent l'intérêt de notre approche en particulier dans le cas de sources à support fréquentiel étroit.

92. Analyse cyclostationnaire des signaux acoustiques sous-marins : Estimation aveugle des paramètres de la modulation S2C Thomas Bureau, François-Xavier Socheleau, Sébastien Houcke. p. 365-368 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La cyclostationnarité est particulièrement adaptée à l’analyse aveugle des communications acoustiques sous-marines. Elle permet notamment l’estimation précise des paramètres de modulation. Cet article se concentre sur la modulation Sweep Spread Carrier (S2C), une technique combinant un signal QPSK avec un balayage en fréquence pour améliorer la robustesse face aux échos et aux interférences. La période et la largeur de bande de balayage en sont les principaux paramètres estimés. Les performances sont évaluées en utilisant un outil de simulation de réponses impulsionnelles enregistrées en mer ainsi que des signaux réels. La méthode permet d’estimer ces paramètres avec une précision de quelques pourcents, démontrant ainsi l’efficacité de la méthode.

93. Kalman Filter for Improved Radar Auto-calibration Performances Grégoire Sansot, Romain Négrier, Cyrille Menudier, Christophe Labarthe. p. 369-372 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les performances d'un système radar dépendent directement de la qualité de calibration du réseau d'antennes, puisque celle-ci influence directement la détection des cibles d'intérêt et donc leur pistage. Cependant, cette calibration peut se dégrader avec le temps à cause du vieillissement du matériel ou autres effets environnementaux, ce qui justifie l’intérêt porté aux méthodes d’autocalibration qui permettent de recalibrer le radar en cours de fonctionnement. Cet article présente une nouvelle approche utilisant un filtre de Kalman pour fusionner des estimations successives de gain, améliorant ainsi l'autocalibration. Cette méthode permet donc de s’affranchir d’un matériel de calibration coûteux et d’assurer la pérennité des performances du radar. La méthode présentée est validée par simulation.

94. Comparaison de différents codecs pour la compression d'image sur ADN synthétique Claire Couvreur, Michela Testolina, Théo Ladune, Pierrick Philippe, Marc ANTONINI. p. 373-376 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

En réponse à la croissance exponentielle de la demande en stockage de données, la recherche s'est tournée vers des alternatives plus durables en remplacement des méthodes traditionnelles (e.g. HDD). Une approche prometteuse consiste à stocker des données froides, c'est-à-dire les données rarement utilisées, sur de l'ADN synthétique, qui offre une densité importante d'information, une faible consommation d'énergie ainsi qu'une longue durabilité. Ce papier explore et compare diverses techniques de compression d'image adaptées au stockage de données sur ADN, en évaluant à la fois les méthodes conventionnelles basées sur les transformations et les approches modernes basées sur l'apprentissage.

95. Détection des Données Hors Distribution : Une Approche Basée sur un Auto-Encodeur Variationnel Structuré Maxime Ossonce, Pierre DUHAMEL, Florence Alberge. p. 377-380 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les modèles d’intelligence artificielle (IA) sont généralement entraînés sur des ensembles de données représentatifs de leur tâche. Cependant, leur performance peut être gravement affectée lorsqu’ils rencontrent des données hors distribution (OoD). Cet article explore une approche fondée sur un auto-encodeur variationnel structuré, permettant de mieux distinguer les données OoD des données légitimes sans nécessiter un ensemble d’entraînement OoD spécifique mais en tirant partie des échantillons OoD disponibles lors du déploiement. En particulier, nous montrons l’utilité d’un travail en deux étapes, et d’un "padding" à l’aide de données OoD connues et de types divers, ce qui permet une amélioration sensible des performances

96. Optimisation de la fréquence de formation de faisceaux en sub-THz Florian Polster--Prieto, Hajar El Hassani, Inbar Fijalkow. p. 381-384 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce papier propose une optimisation de la fréquence de formation de faisceaux dans des réseaux linéaires uniformes ultra massifs dans le cadre des fréquences sub-THz qui subissent un dépointage de faisceaux.

97. Sketchpose 2.0 – Entraîner des Modèles de Segmentation d’Instances en Biolgie à partir d’Annotations Partielles Florian Sarron, Pierre Weiss. p. 385-388 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La segmentation d’images biologiques présente de nombreux défis. Les microscopes utilisés sont variés et souvent optimisés en fonction des spécificités de l’objet à observer, ce qui entraîne une grande diversité de types d’images et d’objets à analyser. Ainsi, il est souvent nécessaire d’entraîner ou d’affiner les poids des réseaux de neurones pour chaque problème spécifique. Dans ce travail, nous proposons une méthode d’apprentissage permettant d’optimiser les poids d’un modèle à partir d’annotations très partielles, telles que des points, des segments de courbes ou des coups de pinceau appliqués sur l’intérieur des objets à segmenter. Notre approche repose sur l’équation eikonale, qui définit la distance aux frontières des objets. Les résultats préliminaires sont prometteurs, et une implémentation sous forme de plugin Napari permet de tester la solution proposée.

98. Généralisation du filtre de Frangi pour l'extraction des réseaux de fissures au sein d'images d'un glissement de terrain. Comparaison avec une méthode d'apprentissage profond. Louis Hauseux, Raphaël Antoine, Philippe Foucher, Pierre Charbonnier, Josiane Zerubia. p. 389-392 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le filtre de FRANGI est un algorithme classique en traitement d’image pour détecter les structures tubulaires (vaisseaux, fissures, etc.). Nous en reprenons les idées, en les généralisant afin d’obtenir une réponse non pas pixélique, mais en chaque couple de pixels voisins. Cette généralisation permet d’obtenir des informations plus précises sur le réseau de structures tubulaires, et de disposer d’un panel d’algorithmes pour graphes (pour construire un clustering hiérarchique par exemple). Nous appliquons cette nouvelle méthode à l’extraction du réseau linéique de fissures sur des images de sols argileux. La comparaison avec une méthode d’apprentissage profond couplée avec du transfer learning montre des résultats équivalents, voire légèrement supérieurs lorsque le “transfert” est fait avec des images similaires. Notre méthode a le grand avantage de ne nécessiter aucunes données d’apprentissage annotées. De plus, elle ne repose que sur un tout petit nombre de paramètres qui peuvent être fixés de façon ad hoc.

99. Modèle physique variationnel pour l’estimation de réponses impulsionnelles de salles Louis Lalay, Mathieu Fontaine, Roland BADEAU. p. 393-396 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Estimer la réponse impulsionnelle d'une salle est essentiel pour des tâches comme la déréverbération, qui améliore la reconnaissance automatique de la parole. La plupart des méthodes existantes reposent soit sur du traitement du signal statistique, soit sur des réseaux de neurones profonds s'inspirant du traitement du signal. Cependant, la combinaison des modélisations statistique et physique reste largement inexploré en estimation de réponse impulsionnelle de salle. Cet article propose une approche novatrice intégrant les deux aspects à travers un modèle physique. La réponse de salle est décomposée en paramètres interprétables : un bruit blanc gaussien modulé par une décroissance exponentielle dépendante de la fréquence (modélisant l'absorption des murs) et un filtre autorégressif (modélisant par exemple la réponse du microphone). L'optimisation d'une fonction d'énergie libre variationnelle permet une estimation pratique des paramètres. Nous montrons que, connaissant les signaux secs et réverbérants, la méthode proposée surpasse la déconvolution classique dans des environnements bruités, comme le confirment les mesures objectives.

100. Extraction des paramètres de navigation par signaux d'opportunité Hugo BOURGOIN. p. 397-400 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente une solution d’extraction opportuniste de paramètres de navigation basée sur les signaux 4G (protocole LTE). Des expérimentations concluantes ont été réalisées afin de vérifier la faisabilité de la solution proposée.

101. Performances Optimales Pour Le Modèle Harmonique Multidimensionnelle, Multicanal Avec Couplage Clémence Prévost, Maxence GIRAUD, Vincent Itier, Remy Boyer. p. 401-404 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce travail présente la généralisation multicanal couplé du modèle en somme d’Harmoniques Multidimensionnelles. En tant que nouveau modèle, il fait sens de caractériser les performances optimales en estimation paramétrique. Pour ce faire, nous dérivons et analysons la borne de Cramer-Rao sous contraintes (CCRB) pour l’estimation des fréquences communes du modèle pour N canaux. Deux résultats sont formulés concernant les ratios de la CCRB et de la FIM (Fisher Information Matrix) pour des modèles à N et N + 1 canaux. Nous démontrons l’idée contre-intuitive que pour un grand nombre de canaux (N →∞), la précision de l’estimation des fréquences communes est saturée. Les simulations réalisées illustrent les résultats théoriques.

102. Étude de faisabilité d'une identification d'émetteurs AIS en environnement contrôlé par analyse de signaux Emma BOISRIVEAU, Jean-Jacques SZKOLNIK, Delphine Daré - Emzivat, Steven COLLIN, Tristan Averty. p. 405-408 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous présentons une nouvelle approche de l'identification d'émetteurs AIS en s'appuyant sur les caractéristiques des signaux reçus en bande de base. En effet, afin de contrer les usurpations d’identité de ces émetteurs, il est impératif de les différencier de manière robuste. Dans ce travail, nous proposons d’appliquer une technique de classification en exploitant notamment des attributs extraits de la fréquence instantanée du signal reçu. Une campagne de mesures expérimentales incluant l'utilisation de radios logicielles a permis de bénéficier d'un ensemble complet de données pour mener à bien ce travail. Les premiers résultats sont prometteurs et ont confirmé la pertinence de cette approche. Une séparation efficace des différentes sources de signaux a été obtenue avec des valeurs de précision extrêmement satisfaisantes, prouvant la faisabilité d'une telle méthode. Ainsi, ces résultats, obtenus sur des signaux réels en environnement contrôlé, offrent une perspective intéressante pour l'amélioration de la sécurité maritime grâce à une identification plus fiable d'émetteurs AIS.

103. Paramétrisation de fonction d'étalement du point par apprentissage génératif sur des mesures expérimentales Théo Santos, Ferréol Soulez, Thomas Bodin, Olivier Flasseur. p. 409-412 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons une paramétrisation de la fonction d'étalement du point (PSF), qui caractérise la déformation du signal lumineux par un système optique. Cette paramétrisation est apprise par un réseau de neurones génératif s'entraînant sur des acquisitions réelles de PSFs. Nous présentons la méthode d'entraînement du générateur, notamment les spécificités pour l'utilisation de données expérimentales, puis exposons les résultats de génération, montrant une paramétrisation efficace et réaliste de PSFs.

104. Fusion multimodale pour l’estimation du Rythme Cardiaque Foetal : Chaîne de Markov cachée avec variable d’état étendue Baptiste Rault, Julie Fontecave-Jallon, Bertrand Rivet. p. 413-416 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Tout au long de la grossesse, le suivi du rythme cardiaque fœtal (RCF) permet de s'assurer de la bonne santé du fœtus. A ce jour, la cardiotocographie (CTG), non-invasive et adaptée à la pratique clinique, est la technique de référence. Cependant, dans certains cas, elle souffre de perte de signal ou de confusions avec le rythme cardiaque de la mère (RCM). Pour y remédier, d'autres techniques comme l'électrocardiographie (ECG) ou la phonocardiographie (PCG) abdominales ont été considérées, mais peinent à concurrencer les performances de la CTG. L'idée proposée est de fusionner l'information issue de ces deux modalités ECG et PCG, pour espérer une meilleure estimation du RCF. De façon plus générale, cet article présente une méthode de fusion multimodale par Chaîne de Markov Cachée dans laquelle la variable d'état est étendue par deux nouvelles variables, qui indiquent si les observations enregistrées de chaque modalité correspondent au signal d'intérêt (RCF), à une confusion avec un signal concurrent (RCM) ou à du bruit. Cette formulation permet également d'inclure des informations sur le signal concurrent pour une meilleure estimation du signal d'intérêt. La méthode proposée est testée sur une banque de signaux simulés, représentatifs de tracés de RCF observables en pratique. Les résultats obtenus montrent l'intérêt de la fusion multimodale en améliorant la précision de l'estimation par rapport aux deux modalités considérées seules.

105. Suivi de papillons basé sur les déformations du mouvement de vol à partir d’images spatio-spectrales Erick ADJE, Arnaud AHOUANDJINOU, Gilles DELMAIRE, Probus KIKI, Gilles ROUSSEL. p. 417-420 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article propose une approche de suivi des papillons avec une caméra hyperspectrale de type linescan grâce aux filtres de Kalman intégrant mouvement, orientation de vol et déformations dues au battement des ailes. Contrairement aux approches basées sur le filtre de Kalman qui ne prennent pas en compte la dynamique de déformation, notre approche améliore la prédiction de la position et des mesures de la boîte englobante orientée. Les tests sur des séquences d’images spatio-spectrales montrent que le filtre de Kalman Étendu, tenant compte de la dynamique des déformations non linéaires du papillon, améliore la précision du suivi.

106. Déconvolution Dynamique par Descente de Gradient Préconditionnée Joseph Gabet, Maxime Ferreira Da Costa, Charles Soussen. p. 421-424 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous considérons le problème de la déconvolution d’impulsions de Dirac à partir d’observations dans le domaine de Fourier lorsque leurs positions et amplitudes évoluent dynamiquement au cours du temps. Pour suivre efficacement cette évolution, l’originalité de notre approche réside dans l’introduction d’un algorithme de descente de gradient avec préconditionnement diagonal et momentum, une méthode de premier ordre exploitant la structure du problème pour accélérer la convergence. Notre contribution principale est de montrer que cette méthode peut être appliquée de manière efficace dans un cadre dynamique en réutilisant les estimations précédentes à chaque pas de temps.

107. Recursive KalmanNet : Analyse des capacités de généralisation d’un réseau de neurones récurrent guidé par un filtre de Kalman Cyril Falcon, Hassan Mortada, Mathéo Clavaud, Jean-Philippe Michel. p. 425-428 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le Recursive KalmanNet, récemment introduit par les auteurs, est un réseau de neurones récurrent guidé par un filtre de Kalman, capable d'estimer les variables d'état et la covariance des erreurs des systèmes dynamiques stochastiques à partir de mesures bruitées, sans connaissance préalable des caractéristiques des bruits. Cet article explore ses capacités de généralisation dans des scénarios hors distribution, où les dynamiques temporelles des mesures de test diffèrent de celles rencontrées à l'entraînement.

108. Effet d'un masquage d'impulsions sur la consommation énergétique d'un SNN : application au Spikformer Oumaima Marsi, Sébastien Ambellouis, José Mennesson, Cyril MEURIE, Anthony Fleury, Charles TATKEU. p. 429-432 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les réseaux de neurones impulsionnels offrent une alternative économe en énergie aux réseaux neuronaux traditionnels. Cependant, bien que les Transformers impulsionnels, comme Spikformer, soient naturellement plus économes en énergie que leurs homologues non impulsionnels, ils restent coûteux en calcul et redondants dans le traitement des impulsions. Cette étude évalue l’impact de la méthode Random Spike Masking (RSM) qui vise à masquer les impulsions redondantes et ainsi réduire sa consommation énergétique. RSM est appliqué sur Spikformer, une architecture de type Transformer totalement impulsionnelle. L'évaluation porte sur les ensembles de données neuromorphiques (CIFAR10-DVS, DVS Gesture) et montre que RSM réduit la consommation d’énergie jusqu’à 70\% avec une perte de précision négligeable.

109. Évaluation des générateurs d'images à partir de peu d'exemples: calculer le FID avec 10 fois moins d'images, c'est possible Nicolas Audebert, Arnaud Breloy. p. 433-436 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La distance Inception de Fréchet (Fréchet Inception Distance ou FID) est une métrique standard pour l'évaluation des modèles génératifs images. Construite sur la distance de Wasserstein, le FID mesure l'écart entre la distribution des images générées et celle des images réelles. Cependant, le FID nécessite une grande quantité d'images réelles pour être calculé de façon fiable. Cela rend son utilisation peu adaptée à l'évaluation de modèles génératifs entraînés sur peu de données. Dans cet article, nous proposons un remplacement au FID, strictement compatible, mais qui produit une estimation fiable de la distance de Wasserstein avec quelques milliers d'images seulement. Plus précisément, nous remplaçons l'estimateur classique de la distance de Wasserstein par une variante issue de la théorie des matrices aléatoires (RMT). Nous montrons que le RMT FID est plus robuste que le FID classique au travers de 'évaluation des performances de StyleGAN2 sur deux jeux de données: CIFAR-10 et AFHQ-Cats.

110. Partitionnement de Graphe pour l’Identification de Goulots d’Étranglement Partagés Paul Grislain, Emmanuel Lochin, Jean-Yves TOURNERET. p. 437-440 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Un réseau IP peut être représenté sous la forme d'un graphe où les nœuds sont des routeurs et les arêtes des liens de communication IP. Ce graphe aide à analyser les interactions et les flux d'information au sein du réseau. Chaque routeur, agissant comme une file d'attente, gère le trafic avec une capacité de mémoire tampon et un débit de sortie. Lorsque le trafic entrant dépasse cette capacité, une congestion se produit, dégradant le service. Identifier ces goulots d'étranglement est crucial pour évaluer la performance du réseau. Cet article explore une méthode de partitionnement de graphe permettant de regrouper les flux partageant un goulot commun à l'aide d'un modèle probabiliste plus général que ceux de la littérature.

111. Analyse de la justesse des modèles de classification binaire : état des lieux dans les systèmes d’aide à la décision clinique Alex Poiron, Marc Cuggia, Sandie Cabon. p. 441-444 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans le domaine des technologies pour la santé, l’évaluation des systèmes d’aide à la décision basés sur l’apprentissage automatique reste un défi majeur. Cette étude analyse l’évaluation de la justesse de 60 systèmes de classification binaire à travers l’analyse des méthodes de recueil de la vérité terrain et des ensembles de métriques utilisés. Les résultats révèlent que 51.7% des études ne respectent pas la norme ISO 5725-1 :2023 pour le recueil de la vérité terrain et seulement 10% évaluent exhaustivement leurs modèles. Plus de 30 métriques différentes ont été identifiées, avec une évaluation de la calibration présente dans seulement 20% des études. Ces constats soulignent la nécessité de standardiser les pratiques d’évaluation pour renforcer la confiance dans les technologies d’apprentissage automatique appliquées à la santé. Ces travaux constituent une première en proposant une catégorisation des métriques visant à guider dans le choix d’ensemble de métriques pertinent pour l’évaluation des modèles.

112. Investigating a Feature Unlearning Bias Mitigation Technique for Cancer-type Bias in AutoPet Dataset Duc Thang Hoang, Quentin Ferre, Elsa Schalck, Olivier Humbert, Rosana El Jurdi. p. 445-448 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La mise en commun de jeux de données contenant différents types de cancer est cruciale pour améliorer la précision du diagnostic, en particulier dans les situations où la quantité de données est limitée, car les modèles d’apprentissage profond s’améliorent généralement lorsque la quantité de données d’entraînement augmente. Cependant, cet avantage inhérent est souvent entravé par l’introduction de variance due à des biais, tels que la sous-représentation ou la sur-représentation d’une maladie. Dans cet article, nous proposons un modèle invariant au type de cancer, capable de segmenter efficacement les tumeurs du lymphome et du cancer du poumon indépendamment de leur fréquence ou de leur représentation. Pour ce faire, nous formulons le problème comme une tâche d’apprentissage par transfert, en utilisant un réseau discriminateur et une fonction de perte de confusion pour préserver les caractéristiques génériques tout en désapprenant celles spécifiques au domaine. Nous démontrons que la méthode atteint des performances état de l’art tout en améliorant l’équité entre les sous-groupes sensibles et en étant efficace dans les scénarios présentant un fort déséquilibre entre les sous-groupes.

113. En quête de précision : Un benchmark open-source et un solveur polyvalent pour le Graphical Lasso Can Pouliquen, Paulo GONCALVES, Titouan Vayer, Mathurin Massias. p. 449-452 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons un benchmark open source des principaux algorithmes d’optimisation et leurs implémentations pour la résolution du Graphical Lasso, afin d’aider les praticiens à choisir la meilleure option en fonction de leur cas d’usage. Notre benchmark est public, customisable et intégré à l’écosystème benchopt [Moreau et al., 2022] afin de favoriser la recherche ouverte et reproductible. Nous publions également une implémentation efficace d’un solveur par descente de blocs de coordonnées, avec des fonctionnalités avancées comme les pénalités pondérées, ainsi que diverses pénalités. Il permet ainsi d’utiliser la régularisation non-convexe, dont nous démontrons empiriquement la supériorité. Afin d’assurer une large diffusion et un impact pratique significatif, ce solveur est intégré à l’écosystème scikit-learn via le package skglm [Bertrand et al., 2022].

114. Implémentation sur FPGA de la formule de Sherman-Morrison à faible latence pour du matériel dans la boucle Slim Assali, Michel Lemaire, jeremy poupart, Daniel Massicotte. p. 453-456 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le matériel dans la boucle (HIL – Hardware-in-the-Loop) est de plus en plus présent dans différents domaines de la recherche académique et industrielle, notamment, dans les applications portant sur les réseaux électriques. Dans ce cadre, nous explorons l'utilisation du FPGA (Field Programmable Gate Arrays) pour le développement de systèmes HIL à très faible latence. L'objectif est de concevoir et d'implémenter sur FPGA des algorithmes à faible latence adaptés aux contraintes du temps réel. Cette étude intègre l'application de la formule de Sherman-Morrison (FSM) pour la simulation de deux types d'onduleurs triphasés : les onduleurs à deux niveaux (2-L) et la topologie de convertisseur Back-to-Back (B2B). L’objectif est de minimiser la latence des calculs, tout en garantissant une précision conforme aux exigences des applications, en utilisant une représentation en virgule fixe.

115. Ensemble des solutions parcimonieuses exactes en démélange spectral : algorithme garanti et analyse des solutions Nils Foix-Colonier, Sébastien Bourguignon, Frédéric Schmidt, Mehdi Latif. p. 457-460 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

On s’intéresse à la résolution exacte de problèmes de démélange spectral linéaire parcimonieux, i.e. à la recherche de solutions à cardinalité limitée d’un problème de moindres carrés linéaires sous contraintes de positivité et de somme unité. L’originalité de la méthode proposée – dont le code Python est mis à disposition – repose sur son aspect multi-solutions : on renvoie l’ensemble des meilleurs supports de solution. Cette méthode est testée sur des données synthétiques et les performances obtenues sont prometteuses.

116. Étude de la généralisation d'une approche multimodale par apprentissage pour l'estimation du sommeil calme chez des nouveau-nés prématurés Houda Jebbari, Sandie Cabon, Céline Citté, Patrick Pladys, Guy Carrault, Fabienne Porée. p. 461-464 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cette étude présente une méthode d'estimation du sommeil calme pour le nouveau-né prématuré à partir de signaux cardio-respiratoires et du mouvement issu de vidéos. Celle-ci repose sur le calcul d'un nombre élevé (120) de paramètres et d'une étape de classification intégrant une étape de sélection de caractéristiques pour aboutir à un modèle compact. L'originalité de ces travaux repose sur le fait que deux stratégies sont comparées : l'application d'un modèle entraîné sur un jeu de données antérieur et le calcul d'un modèle nouveau adapté aux données à traiter. Les résultats obtenus montrent que les variations entre le jeux de données, et entre les annotations, impactent les performances.

117. Un modèle bayésien exact pour les problèmes inverses non-linéaires en présence de bruits divers Nicolas Goeman, Pierre-Antoine Thouvenin, Pierre Chainais. p. 465-468 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les problèmes inverses en astronomie sont généralement très mal posés, en raison de la non-linéarité du modèle direct reliant les paramètres physiques d’intérêt aux observations, la présence de multiples sources de bruit et la censure éventuelle des données en raison de la sensibilité limitée des capteurs. En l’absence de vérité terrain, les algorithmes de Monte-Carlo par chaînes de Markov permettent de résoudre ces problèmes en assortissant les estimateurs d’incertitudes quantifiées. Afin de simplifier l’inférence de paramètres dans des modèles aussi complexes, des méthodes approchées sont souvent proposées, ignorant ou simplifiant certaines des difficultés mentionnées. Ce travail propose une approche exacte basée sur un modèle bayésien hiérarchique prenant en compte tous les aspects évoqués. Cette approche s’avère plus simple à utiliser qu’un modèle approché proposé dans la littérature, nécessitant de calibrer plusieurs hyperparamètres en amont. Les résultats obtenus sur des observations astronomiques synthétiques du médium interstellaire sont également meilleurs.

118. Réception par satellite de messages AIS avec annulation successive d'interférences et un algorithme de Viterbi à liste optimisé Linda Kanaan, Karine Amis, Frédéric Guilloud, Rémi Chauvat. p. 469-472 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les satellites qui reçoivent les paquets AIS (Automatic Identification System) émis depuis des zones de trafic maritime dense subissent les effets d'une surcharge du canal AIS due au nombre élevé des navires. Les collisions entre messages AIS peuvent alors empêcher leur détection. Dans cet article, nous nous intéressons à l'amélioration du processus d'annulation successive d'interférences à partir de l'algorithme de détection élémentaire d'un message AIS. Pour cela, nous considérons la combinaison de l'algorithme de Viterbi à liste parallèle (PLVA) avec le détecteur du code CRC (contrôle de redondance cyclique) dont nous avons établi l'efficacité dans une étude précédente. L'intérêt du PLVA dans un récepteur par annulation successive d'interférences est démontré au travers des simulations avec un modèle simple mais suffisament réaliste du système AIS.

119. Méthode de quadrature pour les PINNs fondée théoriquement sur la hessienne des résiduels Antoine Caradot, Rémi Emonet, Amaury Habrard, Abdel-Rahim Mezidi, Marc Sebban. p. 473-476 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les réseaux de neurones informés par la physique (PINNs) sont apparus comme un moyen efficace d’apprendre des solveurs d’EDPs en incorporant le modèle physique dans la fonction de perte et en minimisant ses résiduels par différenciation automatique à des points dits de collocation. Originellement sélectionnés de manière uniforme, le choix de ces derniers a fait l’objet d’avancées récentes en échantillonnage adaptatif. Nous proposons ici une nouvelle méthode de quadrature pour l’approximation d’intégrale basée sur la hessienne de la fonction considérée, pour laquelle nous dérivons une borne d’erreur d’approximation. Nous exploitons cette information de second ordre pour guider la sélection des points de collocation durant l’apprentissage des PINNs.

120. Deep Learning sur les signaux M/EEG : Adaptez votre modèle, pas votre prétraitement Jarod Lévy, Hubert Jacob Banville, Jean-Rémi King, Svetlana Pinet, Jérémy Rapin, Stéphane D, Thomas Moreau. p. 477-480 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cette étude examine l’impact du prétraitement des signaux EEG (électro-encéphalographie) et MEG (magnéto-encéphalographie) sur les performances de modèles de deep learning. Nos résultats montrent qu’un prétraitement minimal permet de réduire significativement le coût computationnel, tout en maintenant des performances comparables aux approches plus complexes, à travers divers modèles et jeux de données. Nos observations suggèrent que le choix du modèle a un impact plus déterminant sur les résultats que le degré de prétraitement appliqué.

121. Processus Gaussiens Appliqués à la Bathymétrie des Lacs par Satellite Geoffroy Heurtier, Laurent FERRO-FAMIL, Attilio Paladino, Jean-Yves TOURNERET. p. 481-484 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Différentes méthodes d’imagerie satellitaire sont utilisées pour estimer la bathymétrie des lacs. L’enjeu principal réside dans l’établissement d’une relation précise entre la réflectance dans les bandes spectrales observées et la profondeur de l’eau, une tâche complexe dont les incertitudes peuvent affecter la fiabilité des estimations obtenues. Les approches paramétriques, largement utilisées dans la littérature, reposent sur des modèles établis, tandis que des méthodes non paramétriques ont été explorées plus récemment afin de s’affranchir de certaines hypothèses. Dans cet article, nous proposons une approche bayésienne fondée sur les processus Gaussiens, permettant une modélisation probabiliste des relations spectro-bathymétriques ainsi qu’une quantification rigoureuse des incertitudes associées aux estimations de profondeur.

122. Compressive Sensing pour caméra LiDAR 3D en mouvement Constantin Desoindre, Erwan Viala, Paul-Edouard Dupouy, Laurent Risser, Nicolas Riviere. p. 485-488 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'utilisation de composants de modulation optique, comme le DMD (Digital Micromirror Device) permet d’améliorer la résolution latérale des acquisitions LiDAR 3D grâce à des algorithmes d'échantillonnage avancés. Parmi eux, le Compressive Sensing se distingue par sa capacité à reconstruire une scène avec moins de mesures que prédit par la limite de Nyquist-Shannon, en exploitant la compressibilité des scènes naturelles dans certaines bases. Cette approche est particulièrement adaptée aux contextes où l'acquisition des mesures est coûteuse en temps ou en ressource. Toutefois, lorsqu'une scène évolue au cours du temps, la prise en compte explicite de sa dynamique devient essentielle pour assurer la cohérence des reconstructions. Nous proposons ici d’intégrer le modèle LDDMM (Large Deformation Diffeomorphic Metric Mapping), afin de modéliser des transformations diffeomorphiques continues entre instants successifs. Ce cadre permet de régulariser temporellement les reconstructions en assurant la cohérence topologique des objets observés. La nouveauté de notre approche réside dans l'intégration explicite de ce modèle de dynamique dans un algorithme de Compressive Sensing, offrant ainsi une reconstruction spatio-temporelle plus fidèle des scènes dynamiques.

123. Quantification de l’incertitude sur des modèles de classification en IA : évaluation comparative de méthodes post-hoc Paul Steinmetz, Frédérique Frouin, Irène Buvat. p. 489-492 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La quantification de l’incertitude (QI) en intelligence artificielle est un enjeu clé pour l’intégration des modèles en pratique clinique, notamment pour la classification d’images médicales. Cette étude propose un benchmark de méthodes post-hoc de QI appliquées à un modèle de classification multi-classes d’architecture ResNet18, entraîné en validation croisée (CV) et évalué sur un jeu de données public (organAMNIST). Nous comparons plusieurs approches, dont la réponse softmax maximale (MSR), l’agrégation des prédictions des modèles de la CV (Ens), l’augmentation au test (TTA) et la distance aux données d’entraînement (KNN). Nos résultats montrent que les méthodes simples comme la MSR permettent une bonne identification des erreurs de prédiction, mais que des méthodes plus complexes, notamment KNNshap, offrent de meilleures performances. Enfin, nous explorons des stratégies d’agrégation des différentes mesures d’incertitude et évaluons leur impact sur la performance globale.

124. Estimation aveugle des paramètres d'une forme d'onde OTFS pour le renseignement satellitaire Sylvain Comtet, Sébastien Houcke, François-Xavier Socheleau, Sylvain Merlet. p. 493-496 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans le cadre du renseignement basé sur l’interception de télécommunications, cet article propose une méthode d’analyse aveugle pour l’estimation des paramètres d’une forme d’onde Orthogonal Time Frequency Space (OTFS). Les paramètres de cette forme d’onde sont estimés à partir d’un critère mesurant la gaussianité des échantillons obtenus dans le plan délai-Doppler. Les performances de cet estimateur sont évaluées selon différents cas d’interception.

125. Un échantillonneur Plug and Play distribué pour la résolution de problèmes inverses de très grande dimension Maxime Bouton, Pierre-Antoine Thouvenin, Audrey Repetti, Pierre Chainais. p. 497-500 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les algorithmes de Monte-Carlo par chaînes de Markov (MCMC) permettent de quantifier l'incertitude dans les problèmes inverses, en particulier en l'absence de vérité terrain. Plusieurs échantillonneurs inspirés de l'optimisation, tels que PnP-ULA, ont été développés pour intégrer des a priori encodés par des réseaux de neurones, améliorant ainsi considérablement la qualité de l'estimation. Mettre en oeuvre de tels algorithmes reste problématique en grande dimension en raison des coûts de calcul et de stockage des échantillons, par exemple en imagerie haute résolution. Ce travail propose une implémentation distribuée sur plusieurs GPUs de PnP-ULA, permettant de traiter rapidement des problèmes inverses de très grande taille sans compromettre la qualité d'estimation. L'approche s'appuie sur une réseau débruiteur encodé par un faible nombre de paramètres, dont la structure est compatible avec une implantation Single Program Multiple Data (SPMD). Le passage à l'échelle est évalué sur données synthétiques pour la résolution de problèmes d'inpainting d'images de grande taille.

126. Un réseau de neurones augmenté pour simuler l’évolution de la distribution de matière noire Jean Prost, Pierre-Antoine Thouvenin, Jenny Sorce, Pierre Chainais. p. 501-504 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Pour étudier l'Univers, il est essentiel de pouvoir simuler rapidement l'évolution de la distribution de matière noire. Ce travail implémente un réseau de neurones 3D-UNet pour prédire efficacement le résultat d'une coûteuse simulation numérique à $N$ corps de l'évolution de cette distribution dans un volume donné. Une nouvelle stratégie pour prédire conjointement position et vitesse des particules de la simulation est proposée, avec un terme de couplage dans la fonction d'entraînement pour assurer la cohérence entre position et vitesse. Nos résultats atteignent une précision état de l'art avec un gain significatif en temps d'exécution.

127. Turbo Égalisation Pragmatique et Complètement Adaptative pour les communications sous-marines Melek Khemir, Tarak Arbi, Benoit Geller. p. 505-508 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’égalisation adaptative pour les communications acoustiques sous-marines représente un grand défi en raison de la triple sélectivité du canal et de sa complexité élevée. Dans ce papier, nous proposons un nouvel algorithme de turbo-égalisation à faible complexité, basé sur un critère d’optimisation qui permet de prendre en compte l’information souple du décodeur. Cela permet à notre algorithme de s’auto-adapter aux variations du canal. De surcroît, afin de préserver l’efficacité spectrale et d’assurer la convergence de notre algorithme, nous entraînons les paramètres de notre égaliseur plusieurs fois sur les mêmes symboles pilotes envoyés. Les résultats de simulation montrent que notre algorithme offre de meilleures performances, par rapport à celles de l’état de l’art en termes de taux d’erreur binaire (TEB). Enfin, notre analyse de complexité illustre aussi l’intérêt de notre méthode.

128. Décomposition parcimonieuse multicanal basée sur le transport optimal Jean Mallejac, Jerome IDIER, Charles Soussen. p. 509-512 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La décomposition parcimonieuse multicanal consiste à représenter une séquence de signaux dans un dictionnaire rassemblant des formes élémentaires. Afin de favoriser des décompositions proches entre canaux voisins, les approches traditionnelles utilisent les normes mixtes. Cependant, elles tendent à imposer un support commun aux représentations parcimonieuses. Nous proposons une approche plus flexible basée sur le transport optimal. La régularisation inter-canal proposée prend en compte la continuité de la "trajectoire" décrite par les atomes du dictionnaire sélectionnés à travers les canaux.

129. Qui connait CLIP ? Ryan Webster, Teddy FURON. p. 513-516 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les modèles multimodaux sont entrainés sur des milliards d’images provenant d’Internet qui contiennent des visages humains et des descriptions d’individus. Ces modèles posent donc des problèmes de protection de la vie privée. Ce travail formalise le problème de l’extraction d’identité, dans lequel un attaquant peut extraire de manière fiable les noms des individus connu d’un modèle multi-modal. Nous montrons comment l’extraction d’identité peut être utilisée pour vérifier la confidentialité des modèles.

130. Graphical Kernel Ridge Regression in Latent Position Models Martin Gjorgjevski, Nicolas Keriven, simon barthelmé, Yohann De Castro. p. 517-520 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Étant donné un graphe avec un signal sur les nœuds, nous nous intéressons à la prédiction des valeurs de signal manquantes à l’aide de la topologie du graphe et du signal disponible aux nœuds. Dans un travail précédent, nous avons montré qu’en modélisant le graphe selon un modèle de positions latentes, sous certaines hypothèses, l’estimation de la position latente associée à l’estimateur de Nadaraya-Watson permet d’atteindre des taux de convergence minimax lorsque la régularité du signal sous-jacent est faible. Dans ce travail, nous étudions une méthode basée sur la régularisation de la matrice d’adjacence, étroitement liée à la régression Kernel Ridge à partir d’une estimation non paramétrique, que nous appelons « Régression Graphique Kernel Ridge » (GKRR). Pour l’estimateur GKRR, nous démontrons des taux de convergence inférieurs aux taux KRR classiques. Nous soutenons qu’il s’agit d’un phénomène plus général : les algorithmes spectraux sur les LPM ont une variance strictement plus grande que les algorithmes spectraux classiques sur les matrices à noyau.

131. Inférence de paramètres bio-physiques par microscopie FRAP oihan joyot, frederic de gournay, fabian erdel, Pierre Weiss. p. 521-524 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les condensats cellulaires régulent les activités biochimiques dans le temps et l'espace, mais leur dynamique est peu comprise alors même que des dysfonctionnements peuvent causer des maladies graves comme des cancers et des maladies neurodégénératives. Dans ce travail, nous proposons une technique d'inférence des paramètres clés comme la perméabilité et la viscosité du condensat. Elle repose sur la microscopie FRAP qui permet de visualiser le retour à un état d'équilibre de molécules fluorescentes après les avoir photoblanchies. Nous proposons un modèle mathématique qui consiste à décrire les molécules fluorescentes comme des particules avec position et vitesse régies par des lois de mouvements stochastiques. On infère ensuite les paramètres de ce modèle en grâce à un problème de régression sur des vidéos de dynamique moléclaire. Des résultats préliminaires encourageants sont présentés, donnant accès à des quantités encore inaccessibles actuellement.

132. Segmentation d’images par une approche Plug&Play pour le suivi de la dynamique des cours d’eau Pierre Audisio, Barbara Belletti, Nelly Pustelnik. p. 525-528 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Monitoring the dynamics of watercourses on a global scale is a subject of major importance for estimating the impact of human on the evolution of natural landscapes. To quantify the effects of anthropogenic pressures, we chose in this study to introduce a segmentation method based on a Plug and Play approach to isolate areas of open water in Normalized Difference Water Index (NDWI) images. Based on a reformulation of the Chan-Vese problem, and considering the Chambolle-Pock minimisation algorithm, it was possible to replace the penalty term with a pre-trained neural network called Greco, designed for a completely different application context, namely to reconnect blood vessels segmentation. This approach enabled accurate results to be obtained with a very low number of false classifications, and an increase in connected water sections.

133. Acquisition pilotée par la donnée pour accélérer la microscopie point-à-point de type Brillouin Brechet Léo, Bouhlel Nizar, Loumaigne Mathieu, Zhang Li, Gala Fabrizio, Pontecorvo Emanuele, Ruocco Giancarlo, Testi Claudia, Rousseau David. p. 529-532 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons un protocole de « smart scan », c’est-à-dire une acquisition pilotée par la donnée, pour accélérer l’acquisition de la microscopie Brillouin. Il est basé sur un système d’imagerie bimodale. Dans une première passe, nous utilisons une première modalité d’imagerie plein champ (fluorescence ici) correlée avec l’information Brillouin qui fournit rapidement une vue globale de la scène. Une segmentation de la région d’intérêt de cette scène est réalisée. Les pixels de la région d’intérêt sont ensuite acquis avec une sonde locale de type Brillouin via un algorithme en ligne qui ajuste de façon auto-adaptative le temps passé sur ces pixels. Nous mettons ici à profit des travaux récents sur l’usage des pixels dits essentiels identifiés dans l’espace des phaseurs spectraux de Fourier.

134. L’extension hors échantillon de l’algorithme t-SNE Paul Honeine. p. 533-536 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’algorithme t-distributed stochastic neighbor embedding (t-SNE) est une technique de réduction de dimension communément explorée en science des données et apprentissage statistique. Il vise à représenter un ensemble d’échantillons dans un espace de plus faible dimension, en minimisant la divergence de Kullback-Leibler entre les distributions dans les deux espaces. Le présent article s’attaque à la résolution du problème de prolongement hors échantillon d’entraînement, connu en anglais par out-of-sample extension (OoS). Nous démontrons que t-SNE s’apprête naturellement à une extension OoS. De plus, nous proposons une résolution par un algorithme itératif basé sur le point fixe, tout en mettant en évidence plusieurs propriétés intéressantes. Les résultats expérimentaux sur des chiffres manuscrits démontrent la pertinence de l’approche proposée.

135. Approximation de Nyström gloutonne par minimisation de la trace Antoine Chatalic. p. 537-540 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons un algorithme pour la construction d'approximations de Nyström de noyaux définis positifs, basé sur la minimisation de la trace résiduelle de la matrice à noyau. Cette erreur résiduelle est approchée au moyen de descripteurs de Fourier aléatoires, et minimisée de manière gloutonne. Nous montrons théoriquement et empiriquement que ce choix est particulièrement pertinent lorsque l'approximation induite est utilisée pour résoudre le problème des k-moyennes à noyau.

136. Some recent advances in Variational Inference François Bertholom, François Roueff. p. 541-544 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les développements récents en inférence variationnelle visent à dépasser les limites des approches traditionnelles en adoptant des techniques telles que l’échantillonnage préférentiel et l’utilisation de nouvelles divergences, en lien avec des stratégies de reparamétrisation. Cet article propose une présentation générale de l’inférence variationnelle illustrée par un exemple numérique dans le cadre d’un modèle classique de traitement du signal, puis fait le point sur certaines innovations récentes telles que l’inférence variationnelle par poids d’importance et l’inférence variationnelle avec les divergences alpha.

137. Pair-dependent representations for Same-View Vehicle recognition Anis Yassine Ben Mabrouk, Antoine Tadros, Axel Davy, Rafael Grompone von Gioi, Gabriele Facciolo. p. 545-548 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les méthodes d'apprentissage profond pour la reconnaissance d'objets rencontrent des difficultés pour généraliser. Pour savoir si deux images montrent le même objet, une représentation est calculée pour chaque image séparément. Cette approche est insuffisante pour des applications nécessitant une attention aux détails fins. Dans cet article, nous nous concentrons sur le problème de la reconnaissance de véhicules à partir d'images de même point de vue. Nous proposons une méthode basée sur l'appariement de points clés qui combine des informations indépendantes et dépendantes des paires pour prédire si deux images sont des instances du même objet. Nous proposons un protocole d'évaluation axé sur la généralisation à des types de véhicules non vus. Des expériences approfondies montrent que la méthode proposée se généralise mieux aux types de véhicules non vus que l'état de l'art indiquant ainsi une plus grande capacité de généralisation.

138. Dématriçage Robuste aux Filtres et à leurs Arrangements via un Algorithme Déroulé Matthieu Muller, Daniele Picone, Mauro Dalla Mura, Magnus O. Ulfarsson. p. 549-552 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Pour obtenir des images en couleurs, la plupart des appareils photo commerciaux s’appuient sur des matrices de filtres spectraux (MFSs), constituées d’un motif de filtres placés sur le plan focal du capteur. Le dématriçage consiste à reconstruire une image RVB (rouge, vert, bleu) complète à partir des pixels du capteur. La majorité des méthodes de dématriçage est conçue pour une MFS spécifique et n’est pas adaptable à d’autres MFSs. Cet article propose un algorithme de dématriçage générique, tant pour le choix des filtres que pour leur arrangement. Elle repose sur le déroulement d’un algorithme itératif secondé d’un réseau de neurones entraîné avec une nouvelle fonction de coût employant des transformations géométriques des MFSs. Des tests préliminaires sur diverses MFSs et filtres spectraux montrent que cette approche se révèle compétitive et rivalise avec les méthodes spécifiques.

139. Détection de signaux radar LPI par YOLO en présence d’interférences et de signaux inconnus REIHAN MAZOUZ, Jose Picheral, Abigael Taylor, Jonathan Jonathan, Sylvie Marcos. p. 553-556 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans un contexte de guerre électronique, la détection de signaux radar à faible probabilité d’interception (LPI) représente un défi majeur, en particulier en présence d’interférences ou face à des formes d’ondes inédites. Cela souligne la nécessité de développer des modèles d’apprentissage profond robustes et adaptatifs. Ce travail explore les capacités du modèle YOLOv8 dans deux situations critiques : la détection sous interférences et la généralisation à de nouvelles modulations LPI. Les résultats expérimentaux montrent que YOLOv8 conserve une bonne probabilité de détection et un taux de fausses alarmes faible, même en conditions dégradées, soulignant ainsi son potentiel pour des applications en environnement opérationnel.

140. Désentrelacement fréquentiel doux pour les codecs audio neuronaux Benoît Giniès, Xiaoyu Bie, Olivier Fercoq, Gaël Richard. p. 557-560 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Bien que les modèles basés sur les réseaux de neurones aient permis des avancées significatives dans l’extraction de représentations audio, l’interprétabilité des représentations apprises reste un défi majeur. Pour y remédier, des techniques de désentrelacement ont été intégrées dans les codecs audio neuronaux discrets afin d’imposer une structure aux tokens extraits. Cependant, ces approches sont souvent fortement dépendantes de tâches ou d’ensembles de données spécifiques. Dans ce travail, nous proposons un codec audio neuronal désentrelacé qui tire parti de la décomposition spectrale des signaux temporels pour améliorer l’interprétabilité de la représentation. Des évaluations expérimentales démontrent que notre méthode surpasse un modèle de référence en termes de fidélité de reconstruction et de qualité perceptuelle.

141. Extension du prototypage rapide pour les pipelines d’imagerie radioastronomique : Simulation avancée multi-nœud HPC Ophélie Renaud, Sunrise Wang, Nicolas Gac, François Orieux. p. 561-564 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

SimSDP est un outil de prototypage rapide conçu pour fournir des estimations précoces des temps de calcul et de la consommation énergétique du futur pipeline de processeurs SDP de SKAO. Cet article étend une preuve de concept précédente en : (1) explorant davantage de parallélisme grâce à une modélisation en flux de données du parallélisme spectral, (2) simulant le comportement des pipelines sur des architectures multicœurs CPU multi-nœuds, (3) améliorant la modélisation des performances et en intégrant une automatisation du processus d’estimation des temps de calcul. Les résultats montrent que cet outil facilite l’orientation des décisions de conception en explorant trois algorithmes d’imagerie radio-interférométrique sur des systèmes HPC, avec une amélioration de la fiabilité des simulations, l’incertitude étant réduite à environ 10 %.

142. Inférence bayésienne pour l’estimation des paramètres des erreurs de reconstruction à l’aide d’une distribution gamma multivariée Traore Ibrahim, Megdiche Imen, Marquet-Doléac Jérôme, Chaari Lotfi. p. 565-568 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'utilisation des modèles génératifs pour la détection d'anomalies repose sur l'analyse de l'erreur de reconstruction, définie par le carré de la différence entre les données observées et générées. Cependant, un défi critique persiste : comment modéliser efficacement la distribution des erreurs de reconstruction, dont les paramètres restent généralement inconnus. Les approches classiques supposant une distribution normale multivariée sont inadaptées, car les erreurs sont positives et asymétriques. Cet article propose une nouvelle modélisation des erreurs de reconstruction pour pallier cette limitation. Nous introduisons une distribution adaptée aux caractéristiques de ces erreurs, en l’occurrence une distribution gamma multivariée, mieux à même de capturer leur asymétrie et leur positivité intrinsèques. Pour estimer ses paramètres, un modèle bayésien hiérarchique est proposé, combinant un échantillonnage de Gibbs et une méthode d’exécution parallèle afin d'optimiser les performances computationnelles. Cette approche permet de traiter de grands volumes de données tout en garantissant une estimation robuste et un temps de convergence raisonnable.

143. CROQuant: Complex Rank-One Quantization Algorithm Maël Chaumette, Remi Gribonval, Elisa Riccietti. p. 569-572 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente un algorithme de quantification pour les matrices de rang un à valeurs complexes qui exploite les invariances par remise à l’échelle du problème pour obtenir un meilleur résultat que la quantification au plus proche voisin. En s’appuyant sur cet algorithme, on propose aussi une approche pour la quantification des matrices creuses à structure papillon à valeurs complexes apparaissant par exemple dans la transformée de Fourier rapide. Comparé à la quantification au plus proche voisin élément par élément, on obtient ainsi une réduction de 30% du nombre de bits nécessaires pour une précision donnée sur les matrices papillons, tout en maintenant une complexité polynomiale en la dimension des matrices.

144. Degree-corrected block model : une nouvelle approche et une initialisation efficace pour l’inférence Alexandra Dache, Nicolas Gillis, Arnaud Vandaele. p. 573-576 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La détection de communautés est un outil essentiel en analyse de données. Une approche couramment utilisée repose sur le clustering basé sur un modèle de graphe (block modeling), qui permet d'identifier des structures sous-jacentes variées. Le degree-corrected block model (DCBM) est un modèle établi qui prend en compte l'hétérogénéité des degrés des nœuds. De nombreuses méthodes d'inférence existent pour estimer les paramètres du DCBM à partir du graphe, mais elles sont toutes basées sur des heuristiques. En raison de cette nature heuristique, la qualité des résultats dépend fortement de l'initialisation, qui est effectuée de manière aléatoire. Dans cet article, nous proposons une nouvelle approche fondée sur la factorisation matricielle pour l'estimation des paramètres du DCBM, ainsi qu'une méthode efficace pour leur initialisation pour l'inférence. Nous montrons que notre modèle donne d'excellents résultats sur des réseaux de référence, et que notre stratégie d'initialisation permet d'obtenir de meilleures solutions tout en accélérant la convergence des méthodes d’inférence existantes. Community detection is an essential tool in data analysis. A commonly used approach relies on clustering based on a graph model (block modeling), which allows the identification of various underlying structures. The degree-corrected block model (DCBM) is an established model that accounts for the heterogeneity of node degrees. Many inference methods exist to estimate the parameters of the DCBM from the graph, but they are all based on heuristics. Due to this heuristic nature, the quality of the results strongly depends on the initialization, which is done randomly. In this article, we propose a new approach based on matrix factorization for estimating the parameters of the DCBM, as well as a theoretically well-grounded method for their initialization for the inference. We show that our model yields excellent results on benchmark networks and that our initialization strategy leads to significantly better solutions while reducing the number of iterations needed by existing inference methods.

145. Optimisation et implémentation embarquée du Q-Learning sur FPGA pour la navigation autonome de robots mobiles logistiques en environnement déterministe à forte densité d’obstacles Marouane Ben Akka, Camel Tanougast, Nidhal Rezg. p. 577-580 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La planification de trajectoire constitue une tâche fondamentale en robotique mobile, guidant un agent d'une position de départ jusqu'à une cible en évitant les obstacles. L’intégration de méthodes de planification efficaces pour les robots mobiles logistiques représente un enjeu crucial afin d’assurer des transports autonomes fiables et performants en entrepôt, où la navigation en environnement dense, la réactivité temps réel et la faible consommation énergétique sont essentielles. Cet article présente une implémentation sur FPGA d'une stratégie epsilon-greedy à décroissance progressive, adaptée à l’algorithme de Q-Learning, dans le but d’optimiser la planification locale de trajectoire pour des robots mobiles. Des simulations et une implémentation matérielle sont proposées afin d’évaluer la performance de générateurs de politiques basés sur le Q-Learning dans un environnement déterministe caractérisé par une forte densité d’obstacles (30 \%). Comparativement aux travaux similaires, les résultats d’implémentation sur FPGA montrent que les générateurs de politiques proposés, reposant sur un registre à décalage à rétroaction linéaire (LFSR) 16 bits, offrent un bon compromis entre performance du Q-Learning, consommation de ressources logiques et efficacité énergétique, les rendant adaptés à une implémentation embarquée d’un planificateur temps réel de trajectoire pour robots mobiles.

146. Odatix : Une solution libre pour l’automatisation de l’implémentation matérielle FPGA et ASIC Jonathan Saussereau, Christophe JEGO, Camille Leroux, Jean-Baptiste Begueret. p. 581-584 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans la conception matérielle numérique, concilier performances, consommation énergétique et utilisation des ressources représente un défi de taille. La nécessité d’accroître les performances tout en limitant les coûts et la consommation, rend le compromis complexe. Pour pallier ces difficultés, les outils d’automatisation de conception se révèlent essentiels. Odatix est une solution open-source destinée à automatiser l'implémentation et la validation d’architectures numériques paramétrables. Il permet de mettre en oeuvre en parallèle, pour chaque configuration architecturale et chaque cible technologique, la synthèse, le placement-routage, la simulation et la validation pour divers outils FPGA et ASIC. L'extraction automatique des résultats et leur mise en forme dans une interface d'exploration interactive permettent de choisir sans effort les solutions architecturales et technologiques les plus adaptées à un cadre applicatif donné.

147. Suivi acoustique de réactions chimiques en mécanochimie par décomposition spectrale Massyl Moudoud, Pierre Granjon, César Leroy, Nicolas Fabregue. p. 585-588 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous abordons le problème du suivi acoustique d'une réaction chimique en mécanochimie par broyage à billes. L'approche proposée repose sur la décomposition semi-supervisée du spectrogramme du son généré lors de la réaction, qui conduit à l'estimation de l'évolution de l'état des composés mis en jeu. Des résultats obtenus sur données expérimentales démontrent la répétabilité et la supériorité de notre méthode face à une approche non-supervisée classique.

148. Apport de l'augmentation de données au décodage neuronal souple par syndrome des codes correcteurs d'erreurs Raphael LE BIDAN, Ahmad ISMAIL, Elsa Dupraz, Charbel ABDEL NOUR. p. 589-592 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous montrons comment tirer profit des automorphismes d'un code pour accroître la capacité d’un décodeur neuronal à apprendre, généraliser, et renforcer la qualité de ses prédictions, par de l'augmentation de données à l'entraînement et à l'inférence.

149. Compromis débit-distorsion-classification avec information adjacente Jiahui WEI, Philippe Mary, Elsa Dupraz. p. 593-596 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous étudions le problème de la compression et reconstruction d'une source non directement observée à l'encodeur. Étant donnée une source S générant un couple d'observations (X,Y), l'encodeur compresse X et l'envoie au décodeur dont le but et de reconstruire S et X. Nous donnons la limite débit-distorsion pour ce problème dans le cas où Y n'est présente qu'au décodeur (schéma de Wyner-Ziv) pour des sources générales et proposons un algorithme de type Blahut-Arimoto pour résoudre le problème numériquement. Nous fournissons aussi l'expression exacte lorsque S est binaire et (X,Y) conjointement gaussiennes avec Y disponible à l'encodeur et au décodeur. Nous montrons ensuite que le compromis débit-distorsion de la compression de X puis l'estimation de S au décodeur est meilleur que celui où S est estimée directement à l'encodeur puis compressée.

150. Surapprentissage bénin et noyaux quantiques joachim tomasi, Sandrine Anthoine, Hachem Kadri. p. 597-600 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article aborde le défi de la généralisation dans l’apprentissage automatique quantique (QML) avec les noyaux quantiques. Bien que ces derniers offrent un potentiel d’expressivité élevé en exploitant des espaces de Hilbert de grande dimension,ils souffrent fréquemment d’une concentration exponentielle des valeurs du noyau, conduisant à un surapprentissage et à une mauvaise généralisation. Pour pallier cette limitation, nous nous inspirons du phénomène de surapprentissage bénin récemment observé en apprentissage classique. Nous introduisons un nouveau cadre pour la construction de noyaux quantiques : le noyau quantique local-global. Cette approche combine un noyau quantique local, basé sur des mesures de sous-systèmes quantiques, et un noyau quantique global, issu de mesures de l’ensemble du système. Grâce à des expériences numériques, nous montrons que le noyau local-global présente un comportement de surapprentissage bénin, interpolant les données d’entraînement tout en maintenant de bonnes performances de généralisation. Nos résultats soulignent l’efficacité de cette stratégie pour améliorer la conception de noyaux quantiques performants.

151. Une approche basée apprentissage profond et informée par la physiologie pour la segmentation de l'ECG Alaa Salama, Amar Kachenoura, Salman Almuhammad Alali, Guy Carrault, Lotfi Senhadji, Ahmad Karfoul. p. 601-604 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente un pipeline supervisé pour la segmentation automatique des ondes ECG, comprenant une étape de prétraitement adaptée pour le traitement en temps réel, un modèle CNN-LSTM avec un mécanisme d'attention multi-têtes pour la segmentation, et une étape de post-traitement informée par la physiologie pour réduire le taux de faux positifs. Évaluée sur la base de données QT de PhysioNet, l'approche proposée se révèle supérieure aux méthodes existantes, en particulier pour la segmentation des ondes P et T, mettant en évidence les avantages des mécanismes d'attention et du post-traitement. Cette étude souligne également l'importance d'incorporer des critères d'évaluation supplémentaires, tels que le nombre d'ondes ECG segmentées, en plus des métriques standards de classification, afin de garantir une évaluation non biaisée de la qualité de segmentation.

152. Markov Chain Estimation with In-Context Learning Simon Lepage, Jeremie Mary, David Picard. p. 605-608 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous investiguons la capacité des transformers à apprendre des algorithmes utilisant le contexte alors qu’ils sont entraînés uniquement en utilisant la prédiction du prochain token. Nous considérons des chaînes de Markov dont les matrices de transition sont tirées aléatoirement et nous entraînons un transformer a prédire le prochain token. Les matrices d’entraînement et d’évaluation diffèrent et nous montrons qu’à partir d’une certaine taille de modèle et de données d’entraînement, le modèle est capable d’estimer les probabilités de transition à partir du contexte au lieu de mémoriser celles des matrices d’entraînement. De plus, nous montrons qu’encoder astucieusement l’espace d’état permet au modèle de généraliser plus robustement à des chaînes de Markov dont les structures sont différentes de celles vues durant l’apprentissage.

153. Nouvelle méthode de décomposition du signal Photopléthysmographique basée sur un modèle du second ordre Vivien Debuchy, Philippe Tresson, Mohamed Khalifa, Nadege THIRION-MOREAU, Eric MOREAU. p. 609-612 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La photopléthysmographie (PPG) est une méthode optique non invasive largement utilisée pour surveiller les paramètres physiologiques. La décomposition des pulses PPG en une onde incidente et une ou plusieurs ondes réfléchies repose généralement sur des fonctions de base probabilistes. Dans cette étude, nous proposons une nouvelle approche de décomposition des pulses PPG, fondée sur une fonction de base inspirée des systèmes physiques du second ordre. Nos résultats montrent que notre nouvelle méthode surpasse les approches classiques tout en réduisant le nombre de composantes nécessaires.

154. Explication d'Attaques par Présentation d'Empreintes Digitales Christophe Rosenberger, Augustin Diers. p. 613-616 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Présentation d'un modèle de PAD (Presentation Attack Detection) obtenu avec le logiciel Orange Data mining et fonctionnant sans deep learning avec de bons résultats. Le logiciel permet de produire des explications basées sur les caractéristiques utilisées par les modèles d'IA pour rendre leurs classifications.

155. Maximiser la marge pour une détection robuste des photomontages Julien SIMON de KERGUNIC, Rony Abecidan, Patrick Bas, Vincent Itier. p. 617-620 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Malgré les progrès récents en détection de photomontages, les outils forensiques qui se basent sur l’apprentissage profond restent difficiles à exploiter en pratique, en raison de leur forte sensibilité aux données d'entraînement. Un simple post-traitement appliqué aux images d’évaluation peut suffire à dégrader leurs performances, compromettant leur fiabilité en contexte opérationnel. Dans cette étude, nous montrons qu’un même détecteur peut réagir différemment à des post-traitements inconnus selon les poids appris, malgré des performances similaires sur des données issues de la distribution d'entraînement. Ce phénomène s’explique par la variabilité des espaces latents induite par les entraînements, qui structurent différemment la séparation des classes. Nos expériences révèlent une corrélation marquée entre la distribution des marges latentes et la capacité de généralisation du détecteur. Nous proposons ainsi une méthode simple pour une détection de photomontages robuste à destination des praticiens : entraîner plusieurs variantes d’un même modèle et sélectionner celle maximisant la marge dans l’espace latent, afin d’accroître la robustesse face aux post-traitements.

156. End-to-end design of Wavefront Sensor and Reconstruction Using Neural Networks Francisco Oyarzun, Pauline Trouvé-Peloux, Frédéric CHAMPAGNAT, Thierry Fusco, Benoit Neichel. p. 621-624 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons une optimisation jointe des paramètres optiques d’un analyseur de front d’onde et d’un réseau de neurones utilisé pour analyser le signal et reconstruire le front d’onde. Nous montrons que cette approche permet d’obtenir de meilleures performances que l’entraînement du seul réseau de reconstruction.

157. Nouvelles formules de synthèse de la transformée de Fourier à court terme avec une fenêtre d'analyse modifiée Dominique Fourer, François Auger, Eric Chassande-Mottin, Patrick Flandrin. p. 625-628 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

The Short-Time Fourier Transform (STFT) is commonly used in applications requiring the processing of non-stationary signals. It has inspired recent theoretical work that enables the design of its synchrosqueezed versions, improving signal readability while enhancing the separation of components and the accuracy in parameter estimation. These new operators involve STFTs using particular analysis windows, for which the properties are insufficiently studied. A thorough exploration of these properties allows the introduction of several new families of signal reconstruction formulas from its STFT, while establishing theoretical links with the reassignment and the synchrosqueezing methods. Finally, we illustrate these theoretical results with numerical simulations.

158. Factorisation de matrices de covariance appliquée à la séparation de sources de bruit de turbomachines Sarah Roual, Gilles Chardon, Charles Soussen, Claude Sensiau. p. 629-632 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les turbomachines avion sont à l’origine de nuisances sonores que les ingénieurs doivent pouvoir prédire et monitorer. Les mesures acoustiques au banc moteur statique nécessitent des techniques de séparation de sources pour affiner les modèles physiques des émissions sonores. Ces campagnes d’essais impliquent l’acquisition de signaux sur une plage de vitesses moteur stabilisées, à l’aide d’un réseau de microphones synchrones. Cet article présente un dispositif expérimental contrôlé visant à reproduire ces essais et à comparer les performances de la Factorisation en Matrices Non-Négatives (NMF) avec son extension, la Factorisation de Tenseurs Semi-Définis Positifs (PSDTF). Les résultats montrent la supériorité de la PSDTF et révèlent que l’ajout d’une contrainte de faible rang sur les matrices de covariance des sources améliore de manière significative la robustesse au bruit.

159. Un outil de segmentation d’images au service de la restauration de collections de livres anciens Michel Jordan, Camille Simon Chane, Merouane Sennoun, Valérie Lee-Gouet. p. 633-636 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous présentons dans cet article les apports de méthodes de segmentation basées deep-learning en vue de l’amélioration et de l’extension d’un ensemble de traitements pour la détection et l’identification d’altérations dangereuses sur des dos de reliures de livres patrimoniaux. Les améliorations apportées permettent d’étendre un pipeline pré-existant dans deux directions : d’une part la précision des détections d’altérations, d’autre part le traitement de fonds d’ouvrages avec des reliures plus variées.

160. Utilisation d’un STN-Rotation pour la segmentation avec Florence-2 jerome Cartier, Alexis Lechervy, Abdderahim ELMOATAZ. p. 637-640 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La segmentation d'images est une tâche largement étudiée en vision par ordinateur, avec un vaste champ d'application. Récemment, des modèles de langage tels que Florence 2 ont été proposés pour générer des séquences de points permettant de délimiter des régions à segmenter. Bien que cette approche soit prometteuse, ces modèles sont très sensibles à l'ordre des points utilisé dans la base d'apprentissage. Dans cet article, nous proposons de résoudre ce problème en utilisant des Spatial Transformer Networks (STN) pour réaliser un alignement commun des images. Nous démontrons la pertinence de cette approche à travers des expérimentations sur deux problèmes de segmentation très différents.

161. Echantillonage de groupes de trames pour une édition de vidéos zero-shot par modèle de diffusion Thérèse Tisseau des Escotais, Clément Rambour, Bertrand Leroy, Arnaud Breloy. p. 641-644 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’enjeu de l’édition de vidéos à partir d’un texte est de générer une vidéo qui respecte la vidéo originale et le texte d’entrée, tout en gardant une cohérence temporelle entre les trames. Dans ce contexte, nous proposons une méthode d’édition de vidéos zero-shot utilisant un modèle de diffusion d’édition d’images pré-entraîné. Pour induire une attention temporelle dans ce processus, les trames sont traitées par grilles construites via des permutations aléatoires : nous proposons ici d’utiliser une loi de Mallows pour assurer un bon compromis entre la cohérence globale de l’édition et la préservation des détails. Des expériences sur le jeu de données DAVIS montrent l’intérêt de l’approche proposée.

162. On the Impact of Data Collection Strategies in Streaming Federated Learning with Markovian Data Tan-Khiem Huynh, Malcolm Egan, Giovanni Neglia, Jean-Marie Gorce. p. 645-648 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’apprentissage fédéré (FL) est un cadre essentiel pour l’apprentissage collaboratif entre dispositifs périphériques, où les données sont souvent collectées de manière continue et présentent une dépendance statistique. Dans ce travail, nous comparons les performances des algorithmes FL dans deux configurations : l’une où les données des clients sont échantillonnées consécutivement à partir d’une chaîne de Markov, et l’autre où les échantillons entre les rounds de communication sont indépendants, bien que les échantillons au sein du même round restent dépendants. Ce dernier scénario est particulièrement pertinent dans les systèmes de FL où les contraintes de collection de données empêchent les clients de mettre continuellement à jour leurs mémoires. Nos expériences montrent que garantir l’indépendance entre les tours de communication améliore significativement la convergence, en particulier pour les processus de Markov à mélange lent.

163. Turbo égalisation basée EP par lissage de Kalman séquentiel Laëtitia Jadot, Serdar Sahin, Romain Tajan, Pascal CHEVALIER, Guillaume FERRE. p. 649-652 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce papier présente un nouveau turbo égaliseur basé sur la propagation d'espérance (EP) par lissage de Kalman de type Backward Information Forward Marginals (BIFM), exploitant un retour de décision séquentiel pour améliorer les performances de détection. Ce récepteur maintient des performances équivalentes à celles des égaliseurs à retours séquentiels les plus performants de la littérature dès la première turbo itération tout en étant environ 40 fois moins complexe.

164. Dépasser les limites des traceurs en imagerie TEP/TDM : une segmentation universelle des lésions pour AutoPET III Zacharia MESBAH, Léo MOTTAY, Su RUAN, Pierre DECAZES, Sébastien HAPDEY, Sébastien THUREAU, Romain MODZELEWSKI. p. 653-656 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le challenge MICCAI AutoPET rassemble la communauté de l'imagerie médicale depuis trois ans autour d'un sujet d'actualité : la segmentation automatisée des lésions cancéreuses sur les scanners TEP (Tomographie par Émission de Positrons). Chaque année, un aspect différent du problème est abordé ; en 2024, la multiplicité des traceurs TEP était au cœur du défi. Plus précisément, l'édition de cette année vise à développer un algorithme entièrement automatique capable d'effectuer la segmentation des lésions sur un scanner TEP/TDM, sans connaître le traceur, qui peut être un traceur FDG ou PSMA. Les défis de la tâche de segmentation proviennent de la diversité des types d'images (FDG ou PSMA) ainsi que des types de lésions (lymphome, mélanome, cancer du poumon), qui sont inconnus a priori. Dans cet article, nous présentons une approche pour la segmentation entièrement automatique des lésions à partir des images multimodales TEP/TDM en exploitant la puissance du framework nnUNetv2. Nous proposons également un MIP-CNN permettant de sélectionne dynamiquement l’ensemble de modèles le plus adapté.

165. Modèle unifié pour la reconnaissance et la génération d’expressions faciales 3D : manipulation de l’espace latent d’un autoencodeur spiral Hamza BOUZID, Lahoucine BALLIHI, Olivier Lezoray. p. 657-660 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les expressions faciales jouent un rôle central dans la communication non verbale, et leur intégration en vision par ordinateur est essentielle pour améliorer l’interaction homme-machine. Ce travail aborde deux tâches interconnectées, la reconnaissance et la génération, à travers un modèle unifié traitant les expressions faciales 3D dynamiques. En dissociant les composantes spatiales et temporelles des séquences de maillages, le modèle permet la reconnaissance par analyse temporelle et la génération par synthèse du mouvement. Plus précisément, un Auto-Encodeur léger basé sur des convolutions spirales extrait les caractéristiques géométriques spatiales de chaque maillage 3D. Ces convolutions, optimisées pour les maillages à topologie fixe, garantissent une efficacité computationnelle. Pour la reconnaissance, un Transformer basé sur l’auto-attention capture la dynamique temporelle en exploitant la séquence de caractéristiques. Pour la génération, un modèle de diffusion opère dans l’espace latent afin de synthétiser de nouvelles séquences correspondant aux expressions faciales cibles. Les représentations latentes générées sont ensuite décodées par l’Auto-Encodeur spiral pour reconstruire la sortie dans l’espace des maillages.

166. Démonstrations des théorèmes folkloriques sur la dérivée de Radon-Nikodym Yaiza Bermudez, Gaetan Bisson, Iñaki Esnaola, Samir Perlaza. p. 661-664 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Des énoncés rigoureux et des démonstrations formelles sont présentés pour les théorèmes folkloriques, à la fois fondamentaux et avancés, concernant la dérivée de Radon-Nikodym, qui est un outil mathématique fondamental pour la formulation des mesures d'information.

167. Reconstruction de réponses impulsionnelles sur une variété pour la spectroscopie de plasma induit par laser Santos Michelena, Jose PICHERAL, Maxime Ferreira Da Costa. p. 665-668 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le démélange non linéaire par blocs des réponses impulsionnelles (RIs) vise à reconstruire des groupes d'impulsions de Dirac convoluées avec des RIs dépendant de paramètres inconnus. Dans cet article, nous proposons une nouvelle méthode numérique gloutonne de type OMP permettant d'exploiter la parcimonie par groupe du signal tout en estimant les paramètres du dictionnaire. La robustesse de la méthode à un bruit additif est étudiée par simulation. Enfin, cette méthode est employée sur des données spectroscopiques réelles pour estimer la composition chimique d'une solution par Spectroscopie de Plasma Induit par Laser.

168. Mélange de processus de Dirichlet pour la détection de stades phénologiques par imagerie Félix MERCIER, Nizar BOUHLEL, Angelina EL GHAZIRI, David ROUSSEAU. p. 669-672 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cette communication, nous proposons un couplage innovant entre l’apprentissage profond, représenté par un réseau de neurones convolutifs (CNN) classique, et les modèles de mélange de processus de Dirichlet (DPMM) dans le cadre de la détection automatique des stades phénologiques de croissance des plantules. Le réseau CNN sert à extraire des caractéristiques pertinentes des données d’entrée, ici des séquences d'images couleur RVB, et à les transformer dans un espace latent. Cet espace latent, qui contient des représentations compactes et informatives des données d'origine, est ensuite utilisé comme entrée pour le DPMM. Ce dernier exploite ces représentations pour effectuer des tâches de classification, en adaptant automatiquement le nombre de classes (stades phénologiques) en fonction de la complexité des données. Nous testons ce couplage CNN-DPMM sur diverses espèces de plantes (colza, tomate et pois) afin d'évaluer les performances de la méthode.

169. Quantification d'incertitudes pour l'assimilation de données à partir d'un modèle d'apprentissage profond Anthony Frion, David S Greenberg. p. 673-676 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'assimilation de données via des méthodes d'apprentissage automatique permet d'identifier des conditions initiales pour les simulations géoscientifiques. Des avancées récentes permettent de réaliser l'assimilation directement à partir de données bruitées et incomplètes, sans accès à l'état réel du système, mais ne peuvent pas quantifier l'incertitude associée à leurs prédictions. Ainsi, nous proposons et comparons ici différentes extensions de ces méthodes, permettant de produire des prédictions probabilistes.

170. A multilevel approach to accelerate the training of Transformers Guillaume Lauga, Maël Chaumette, Edgar Desainte-Maréville, Étienne Lasalle, Arthur Lebeurrier. p. 677-680 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous étudions le potentiel des approches multiniveaux pour accélérer l'entraînement des Transformers. En utilisant une interprétation de ces architectures sous forme d'équations différentielles ordinaires (EDO), nous proposons une manière appropriée de varier la discrétisation de l'EDO décrivant ces transformers afin d'accélérer l'apprentissage. Nous validons le potentiel de notre approche en la comparant à un apprentissage standard.

171. Regularization path via L0 Bregman relaxations Mhamed Essafri, Luca Calatroni, Emmanuel SOUBIES. p. 681-684 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'optimisation des problèmes impliquant la pseudo-norme L0 joue un rôle important en traitement du signal et en apprentissage automatique. En raison de la nature intrinsèquement NP-difficile de ces problèmes, des relaxations continues (potentiellement non convexes) ont attiré une attention significative ces dernières années. En particulier, la notion de ``L0 Bregman relaxation'' (B-rex)---une classe de relaxations exactes pour des critères régularisés en norme L0 avec des termes d'attache aux données généraux définie à partir de distances de Bregman---a été proposée. Ces relaxations sont exactes dans le sens où elles préservent les minimiseurs globaux tout en éliminant certains minimiseurs locaux. En s'appuyant sur ces propriétés, nous proposons un nouvel algorithme pour estimer le chemin des solutions pour différents niveaux de parcimonie. Nous présentons les aspects méthodologiques de cette approche, ainsi que des exemples illustratifs et numériques démontrant son efficacité.

172. Réseaux de neurones sur graphes pour l’analyse de signaux EEG Maria Sarkis, Mira Rizkallah, Saïd Moussaoui. p. 685-688 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les signaux électro-encéphalographiques (EEG) suscitent un intérêt croissant car il permettent d’accéder à des informations précises sur l’activité cérébrale. Tirant profit de ces informations recueillies, des méthodes d’apprentissage statistique ont été développées durant les dernières années afin de classifier divers états cognitifs. Entre autres, les réseaux de neurones sur graphes apparaissent comme des outils prometteurs, intégrant à la fois la structure sous-jacente entre les nœuds (i.e electrodes) et les descripteurs du signal associé à chaque nœud. Cependant, dans ses representations, les position des électrodes reste encore très peu exploitée. Ce travail propose une approche de réseaux de neurones sur graphe, pour la classification à partir des signaux EEG, intégrant la position des électrodes, des mesures d’énergies des signaux et leur degré de connectivité. La classification est effectuée en considérant différentes structures de graphes ou combinaisons de descripteurs. Les résultats obtenus montrent que cette approche surpasse la méthode de référence basée sur du filtrage spatial (Common Spatial Pattern).

173. Super-résolution non supervisée d'images hyperspectrales de télédétection utilisant un entraînement entièrement synthétique Xinxin Xu, Yann Gousseau, Christophe Kervazo, Saïd Ladjal. p. 689-692 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La super-résolution mono-image hyperspectrale (SISR) vise à améliorer la résolution spatiale des images tout en conservant leur richesse spectrale. La plupart des méthodes actuelles reposent sur un apprentissage supervisé nécessitant des données de référence haute résolution, souvent indisponibles en pratique. Pour surmonter cette limite, nous proposons une approche d’apprentissage non supervisée basée sur la génération de données synthétiques. L’image hyperspectrale est d’abord décomposée en matériaux et abondances via un algorithme de démélange hyperspectral. Un réseau de neurones est ensuite entraîné à super-résoudre les cartes d’abondance à partir de données synthétiques générées selon un modèle feuilles mortes, qui imitent les propriétés statistiques des abondances réelles. L’image hyperspectrale haute résolution est reconstruite par recombinaison des cartes d’abondance super-résolues et des matériaux. Les résultats expérimentaux confirment l’efficacité de cette méthode et montrent l’intérêt des données synthétiques pour l’entraînement.

174. Mises à jour multiplicatives dépliées pour la Factorisation en Matrices Non-négatives appliquée au démélange spectral Christophe Kervazo, Jérémy Cohen. p. 693-696 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le démélange hyperspectral (HSU), problème qui consiste à séparer des spectres de matériaux superposés dans une image hyperspectrale, a motivé le développement de nombreux algorithmes dans les deux dernières décennies. Ceux-ci peuvent être catégorisés en ``basés modèles'' et ``apprentissage profond''. Dans ce travail, nous proposons de marier les deux approches en explorant le paradigme du dépliement d'algorithmes. Notre contribution est double. Premièrement, nous proposons de revisiter l'algorithme NALMU que nous avons récemment proposé et qui déplie les mises à jour multiplicatives pour la factorisation en matrices non-négatives. Nous montrons que sous certaines hypothèses simplificatrices, NALMU minimise une fonction de coût explicite. Deuxièmement, nous proposons un nouvel algorithme déplié adaptatif, RALMU, qui améliore significativement les performances empiriques de NALMU. Les performances de ces méthodes sont comparées sur des jeux de données en astrophysique et en télédétection, et nous montrons que les méthodes dépliées proposées offrent de meilleures performances que les algorithmes classiques ainsi que d'autres méthodes dépliées de la littérature.

175. Détection et segmentation automatisées de bactériocytes à partir d’images de microscopie optique Nathan Hutin, Chantal REVOL-MULLER , Karen GAGET, Séverine BALMAND, Federica CALEVRO, Mélanie RIBEIRO-LOPES, Thomas GRENIER. p. 697-700 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce travail présente un outil automatisé basé sur l’apprentissage profond pour la détection et la segmentation des bactériocytes, cellules spécialisées dans l'hébergement des bactéries symbiotiques chez les insectes. L’objectif est d’automatiser la mesure de surface des cellules nettes intactes, une tâche actuellement manuelle. La segmentation automatisée présente plusieurs défis tels que la superposition des cellules, les variations de netteté et la distinction entre cellules intactes et éclatées. Un protocole d’acquisition standardisé de 11 images espacées de 8 µm en microscopie champ clair (Thunder Imager 3D, Leica) a été mis en place. Trois architectures (Mask R-CNN, YOLOv8 et Mask Frozen-DETR) ont été entraînées en validation croisée, et un post-traitement basé sur le score de Dice élimine les prédictions redondantes. Les résultats montrent des performances encourageantes en termes de mAP et de rappel, ouvrant la voie à une automatisation prometteuse après optimisation complémentaire de la précision.

176. AutoMashup: Automatic Music Mashups Creation Marine Delabaere, Léa Miqueu, Michael Moreno, Bastien Pasdeloup, Nicolas Farrguia, Axel Marmoret. p. 701-704 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous présentons AutoMashup, un système de création automatique de mashups basé sur la séparation de sources, l’analyse musicale et l’estimation de compatibilité. Nous proposons d’utiliser COCOLA pour évaluer la compatibilité entre pistes séparées, et explorons dans quelle mesure des modèles audio généralistes préentraînés (CLAP et MERT) peuvent estimer cette compatibilité sans apprentissage supplémentaire. Nos résultats révèlent que la compatibilité est asymétrique --- elle dépend du rôle attribué à chaque piste (voix ou accompagnement) --- et que les modèles étudiés ne reproduisent pas la cohérence obtenue avec COCOLA. Ces observations soulignent les limites actuelles des représentations audio généralistes pour l’estimation de compatibilité musicale dans les mashups.

177. Apprentissage d'observateurs idéaux pour l'évaluation de la qualité d'images en Tomographie par Rayons X en vues éparses Romain Vo, Antoine Olislaegers. p. 705-708 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous tentons de répondre à une question primordiale en imagerie: Comment évaluer la qualité d'une image ? En nous concentrant sur des applications de tomographie par rayons X, nous présentons un cas limite d'évaluation à l'aide du PSNR, qui ne parvient pas à capturer la qualité visuelle d'une image. Nous nous appuyons sur le concept d'observateurs idéaux pour proposer une nouvelle méthode d'évaluation de la qualité d'une image, et surtout une métrique capable de classer différents algorithmes de restauration en termes de qualité des images produites. En effet, en formulant le problème comme un test d'hypothèse, l'approche par observateur idéal offre une manière intuitive de quantifier la qualité d'une image.

178. Apprentissage par transfert pour la détection et la classification automatiques de grandes baleines dans l'océan austral Lucie Jean-Labadye, Gabriel Dubus, Dorian Cazau, Nicolas FARRUGIA, Axel Marmoret, Olivier Adam. p. 709-712 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les tâches de détection et de classification des vocalisations de cétacés capturées par acoustique passive sont complexes Les méthodes d’apprentissage profond à l’état de l’art souffrent d’une généralisation limitée. L’apprentissage par transfert, exploitant des modèles pré-entraînés sur de plus larges jeux de données, offre une solution. Dans ce cadre, nous avons évalué l’encodeur Perch, entraîné sur Xeno-Canto, à l’aide de métriques assurant une comparaison équitable.

179. Réseaux de neurones informés par la physique pour la reconstructionde champs océaniques stratifiés Vadim Limousin, Antoine Venaille, Bruno Deremble, Nelly Pustelnik. p. 713-716 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La reconstruction des courants océaniques profonds est un défi majeur car, d’une part, si les données de surface sont relativement nombreuses, les données à l’intérieur de l’océan sont bien plus éparses, et d’autre part, le volume de données à assimiler est gigantesque. Nous proposons de résoudre ce problème à l’aide de réseaux de neurones informés par la physique (PINN) adaptés à une dynamique stratifiée. Dans cet article nous évaluons la robustesse de notre approche lorsque les données, en plus d’être éparses, sont également bruitées.

180. Ouvrons la boîte noire : reconstruction de réseaux de neurones parcimonieux par échantillonnage Valérie Castin, Rémi Gribonval. p. 717-720 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans le contexte de la compression de réseaux de neurones, la distillation consiste à entraîner un petit réseau élève (si possible parcimonieux) à partir d'échantillons générés par un réseau enseignant. Malgré le succès empirique de ces approches on connaît mal leurs conditions de succès. En guise de preuve de concept nous introduisons une nouvelle famille de réseaux parcimonieux structurés dits perceptrons multiarbre, et un algorithme d'estimation des paramètres de tels réseaux à partir d'échantillons de la fonction correspondante et de sa Jacobienne. L'algorithme en question n'est pas basé sur la descente de gradient.

181. Détection de cibles radar par auto-encodeur variationnel Yadang Alexis ROUZOUMKA, Eugénie TERREAUX, Christèle MORISSEAU, Jean-Philippe OVARLEZ, Chengfang REN. 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 de détection de cibles radar basée sur les Auto-Encodeurs Variationnels (VAEs). Reconnus pour leur capacité à apprendre des distributions complexes et à détecter des échantillons hors distribution, l’architecture VAE proposée permet de distinguer efficacement les cibles radar de divers types de bruit, y compris le fouillis gaussien corrélé et le fouillis gaussien composé, souvent combinés à un bruit thermique blanc gaussien additif. En plus des simulations, nous testons notre VAE sur des données réelles CSIR (fouillis de mer), ce qui renforce sa pertinence en conditions réelles. Les résultats montrent que le VAE proposé surpasse les détecteurs adaptatifs classiques tels que le filtre adapté (MF) et le filtre adapté normalisé (NMF), en particulier dans des environnements bruités complexes, mettant en avant sa robustesse et son adaptabilité pour les applications radar.

182. Déréverbération non-supervisée de la parole par modèle hybride Louis Bahrman, Mathieu Fontaine, Gael RICHARD. p. 725-728 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Déréverbération non-supervisée de la parole par modèle hybride

183. Apprentissage auto-supervisé pour la reconstruction de phase Victor Sechaud, Patrice Abry, Laurent Jacques, Julián Tachella. p. 729-732 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ces dernières années, les réseaux neuronaux profonds se sont imposés comme solution pour les problèmes inverses en imagerie. Ces réseaux sont généralement entraînés à l’aide de paires d’images : l’une dégradée et l’autre en haute qualité, ces dernières étant appelées « vérités terrain ». Toutefois, en imagerie médicale, le manque de données de références limite l’apprentissage supervisé. Des avancées récentes ont permis de reconstruire des images à partir des seules données de mesure, supprimant ainsi le besoin de vérités terrain. Cependant, ces méthodes restent limitées aux problèmes linéaires, excluant les processus non linéaires comme la reconstruction de phase. Nous proposons une méthode auto-supervisée qui surmonte cette difficulté dans le cas de reconstruction de phase en utilisant l’invariance naturelle des images aux translations.

184. Décomposition de signaux bivariés en somme d’ellipses amorties Philippe Flores, Julien Flamant, Pierre-Olivier Amblard, Nicolas Le Bihan. p. 733-736 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente SONATA: une méthode de décomposition de signaux bivariés en somme d'ellipses amorties. Les ellipses considérées possèdent des caractéristiques géométriques constantes au cours du temps et une dynamique temporelle sur leur amplitude et leur phase. L'approche proposée utilise (i) l'approximation de rang faible structurée pour la dynamique des ellipses ; et (ii) le plongement quaternionique pour encoder la géométrie des ellipses. Nous illustrons SONATA par un exemple d'approximation de la partie \emph{ringdown} d'un signal correspondant à l'onde gravitationnelle émise lors de la fusion d'étoiles massives.

185. Caractérisation quantitative des réseaux de fibronectine dans la matrice extracellulaire tumorale : vers des biomarqueurs pronostiques de réponse à l’immunothérapie Faisal JAYOUSI, Xavier DESCOMBES, Emmanuel BOUILHOL, Ellen Van Obberghen-Schilling, Laure BLANC-FERAUD. p. 737-740 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La matrice extracellulaire (MEC) est un réseau de protéines qui jouent un rôle crucial dans la régulation du comportement cellulaire, de la signalisation et de l'architecture tissulaire. Cette étude propose un cadre computationnel pour caractériser quantitativement l'organisation fibrillaire de la fibronectine (FN), un des composants clé de la MEC tumorale, en utilisant des mesures fondées sur les graphes. Nous analysons d'une part les images confocales de la FN assemblée par des cultures de fibroblastes, traitées pour mimer des phénotypes des fibroblastes associés aux tumeurs, et d'autre part des images multispectrales de la FN dans les échantillons de tissu tumoral. Notre méthode consiste à réhausser les images de FN à l'aide de filtres de Gabor, à extraire une représentation squelettique des réseaux fibrillaires et en déduire un graphe pour en capturer la connectivité et les propriétés géométriques. Des caractéristiques clés telles que l'alignement des fibres, la tortuosité et les mesures de centralité sont calculées pour décrire la structure de la FN. Ces caractéristiques sont utilisées pour classer les assemblages de FN en catégories de type tumeur et de contrôle, atteignant un F1-score de 90\% avec une forêt d'arbres décisionnels, surpassant un modèle d'apprentissage profond (EfficientNet, 85.71\%). L'approche proposée est validée sur des données in vitro et appliquée avec succès à des images cliniques, démontrant sa capacité à segmenter et à caractériser les réseaux de FN dans des microenvironnements tumoraux complexes.

186. Algorithme multiniveaux hybride pour la restauration d’images Nils Laurent, Elisa Riccietti, Julián Tachella, Nelly Pustelnik. p. 741-744 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente un algorithme Plug-and-Play avec une structure multiniveau ayant pour objectif d'accélérer la reconstruction d'une image dégradée. En effet, la stratégie multiniveau s'est avérée efficace pour accélérer les algorithmes dans des contextes variés et de récents travaux ont adapté ce cadre dans le contexte Plug-and-Play. L'implémentation qui a été proposée repose cependant à tous les niveaux sur un réseau qui est coûteux à évaluer. C'est pourquoi nous proposons d'intégrer dans les niveaux grossiers de l'algorithme des itérations variationnelles, qui simplifient fortement le calcul et qui accélèrent davantage la reconstruction.

187. Normalizing Flows Contrastifs pour la Détection d’Anomalies sur Ouvrages d’Art Brice Marc, Philippe Foucher, Florence FORBES, Pierre CHARBONNIER. p. 745-748 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les méthodes via Normalizing Flows (NF) sont des méthodes de détection d’anomalies non supervisées qui performent bien dans le cadre de l’auscultation des ouvrages d’art (OA). Utilisant uniquement des images sans défauts, elles apprennent à détecter les anomalies comme les éléments se démarquant de la distribution des parties saines. Dans ces travaux, nous mettons en place différents objectifs d’apprentissage complémentaires utilisant des anomalies synthétiques, générées par interpolation de POISSON, afin d’améliorer les performances du modèle NF CFlow-AD, un des meilleurs modèles NF de l’état de l’art. Nous montrons l’intérêt de ces objectifs sur plusieurs jeux de données relatifs aux OA.

188. Nouvelles approches de fusion de caractéristiques d’images multispectrales hétérogènes pour la détection de la jaunisse de la vigne Shusong Huang, Shurong Zhang, Tanguy Daval, Eric Perrin, Alban Goupil, Valeriu Vrabie, Marie-Laure Panon. p. 749-752 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Résumé: Flavescence Dorée, l'une des jaunisses de la vigne, a un impact sévère sur la pérennité des vignobles. La détection de cette maladie à partir d’images multispectrales constitue un problème de classification, mais pose des défis. Dans ce travail, nous proposons de nouvelles approches pour améliorer la classification d’images multispectrales hétérogènes. Notre stratégie s’appuie sur une première fusion de caractéristiques des réseaux de neurones profonds et sur la mise en œuvre d’une seconde fusion de caractéristiques, la fonction softmax suivie d’un mécanisme d’attention par canal étant la meilleure approche. La fonction softmax utilise une normalisation exponentielle qui exploite la distribution de probabilité entre une carte de caractéristiques de groupe et une carte intergroupe afin d’optimiser leur fusion. Ensuite, le mécanisme d’attention par canal permet de capturer des caractéristiques complémentaires issues de différents canaux. Les résultats démontrent que la méthode proposée surpasse l'approche de l'état de l'art et d'autres possibilités de fusion et souligne le potentiel de cette stratégie pour une détection robuste de la jaunisse de la vigne. Abstract: Flavescence Dorée, one of the grapevine yellows diseases, has a severe impact on the sustainability of vineyards. Detecting this disease from multispectral images is a challenging classification problem. In this work, we propose new approaches to improve the classification of heterogeneous multispectral images. Our strategy is based on a first feature fusion of deep neural networks and the implementation of a second feature fusion, with the softmax function followed by a channel-based attention mechanism being the best approach. The softmax function uses an exponential normalization that exploits the probability distribution between a group feature map and an intergroup map to optimize their fusion. Then, the channel attention mechanism captures complementary features from different channels. The results demonstrate that the proposed method outperforms the state-of-the-art approach and other fusion possibilities, and underlines the potential of this strategy for robust detection of grapevine yellows.

189. De l’importance de la validation croisée Célestin Eve, Thomas Moreau, Gael Varoquaux. p. 753-756 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'analyse comparative joue un rôle essentiel dans la recherche en apprentissage automatique. La validation croisée, c'est-à-dire une évaluation répétée des algorithmes sur des sous-ensembles de données afin de comparer leurs performances moyennes, est couramment utilisée à cette fin. Dans cette étude, nous analysons l’impact de différentes procédures de validation (absence de validation croisée, validation croisée à k blocs répétée et validation croisée par permutations aléatoires) sur la fiabilité du classement des algorithmes et le coût computationnel, en utilisant un jeu de données simulé. Nos résultats suggèrent que les procédures de validation présentant le même nombre de partitions produisent des performances comparables et que la décroissance des rendements liés à l’augmentation du nombre de partitions est plus lente qu’attendu.

190. Débruitage de parole semi-supervisé par modélisation générative dans un espace de représentation discret des signaux audio Sofiene Kammoun, Simon Leglaive. p. 757-760 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le rehaussement de la parole vise à améliorer l’intelligibilité et la qualité d’un enregistrement de parole en présence de bruit. Dans cet article, nous proposons une approche semi-supervisée par modélisation générative exploitant une représentation des signaux audio sous forme de jetons discrets issus d’un codec audio neuronal. Le modèle proposé utilise l’architecture RQ-Transformer et est entraîné en deux étapes. La première étape vise à apprendre la distribution non-conditionnelle des jetons de parole propre, tandis que la seconde étape vise à affiner le modèle pour la génération de jetons de parole propre conditionnellement aux jetons de parole bruitée. Nous évaluons notre approche sur deux bases de données, permettant ainsi de mesurer la généralisation dans un domaine différent de celui d’entraînement. Les résultats expérimentaux montrent que le pré-entrainement sur des données de parole propre améliore les performances de rehaussement.

191. Approximation de lois a posteriori de problèmes inverses à l'aide d'autoencodeurs variationnels Maud BIQUARD, Marie CHABERT, Florence GENIN, christophe LATRY, Thomas OBERLIN. p. 761-764 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article s'intéresse à la résolution de problèmes inverses pour la restauration d'images. Il se concentre sur les méthodes qui recherchent leur solution dans l'espace latent d'un réseau de neurones génératif de type autoencodeur variationnel (VAE). Nous nous intéressons en particulier à l'approximation de la distribution a posteriori du problème inverse par inférence variationnelle. Cet article présente un cadre général permettant d'estimer cette loi de manière jointe dans l'espace latent et dans l'espace image. Il propose une modélisation de l'incertitude dans l'espace image qui prend en compte la corrélation entre les pixels. Les simulations sur la base d'images CelebA comparent différentes modélisations et démontrent la pertinence de la méthode proposée.

192. Jackpot 2.0 : variété d’incertitude pour les problèmes inverses Nathanaël MUNIER, Emmanuel SOUBIES, Pierre WEISS. p. 765-768 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans le contexte des problèmes inverses, nous avions introduit Jackpot 1.0, une méthode d’approximation de la région d’incertitude par une variété de dimension inférieure. Nous présentons une nouvelle méthode similaire qui détermine les points extrémaux des lignes de niveau de l’écart au modèle. Cette nouvelle méthode a deux avantages : elle repose uniquement sur un problème d’optimisation non contraint et elle renvoie des points qui maximisent le rapport entre écart de paramètre et écart de mesure. Cette méthode a été testée sur deux applications numériques de biologie des systèmes.

193. Cybernétique et IA: des Bourbakistes à Norbert Wiener Mohamed NAJIM. p. 769-772 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Résumé- Norbert Wiener est connu dans notre communauté à travers ses ouvrages de rupture [1,2]. Sa contribution en mathématiques pures lui a valu d’être coopté par les plus « puristes » parmi les mathématiciens français. En retour Wiener a privilégié la France pour y publier son livre Cybernetics et permis, par sa présence à Nancy en 1947, au colloque sur l’analyse harmonique d’attirer des mathématiciens étrangers prestigieux qui ont contribué à faire connaitre, à l’étranger, les travaux de jeunes mathématiciens français tels Laurent Schwartz, Roger Godemont... Cette reconnaissance mutuelle on la doit aux Bourbakistes, à l’éditeur Hermann et à Wiener. C’est cette tripe interaction inédite ainsi que les racines de l’IA, à travers la Cybernétique, que je documente dans cette présentation. N’étant pas historien des sciences j’ai pris la précaution de présenter ma légitimité à effectuer ce travail sur Norbert Wiener. Abstract –Norbert Wiener is known in our community through his groundbreaking works [1,2]. His contribution to pure mathematics earned him co-option by the most “purist” of French mathematicians. In return, Wiener favored France for the publication of his book Cybernetics and, through his presence at the 1947 symposium on harmonic analysis in Nancy, attracted prestigious foreign mathematicians who helped to make the work of young French mathematicians such as Laurent Schwartz and Roger Godemont better known abroad... We owe this double mutual recognition to the Bourbakists, the publisher Hermann and Wiener. It is this unprecedented triad of interactions, and the roots of AI through Cybernetics, that I document in this presentation. Not being a historian of science, I have taken the precaution of presenting my legitimacy in carrying out this work on Norbert Wiener.

194. Développement d'un modèle d'apprentissage profond guidé par la connaissance pour l'identification de nématodes marins Mohammad Aryayi, Abdesslam Benzinou, Kamal Nasreddine, Valentin Foulon, Catherine Borremans, Daniela Zeppilli. p. 773-776 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La méiofaune marine, en particulier les nématodes, joue un rôle clé dans les écosystèmes marins. Néanmoins, leur classification reste un défi en raison de leur petite taille et du manque de données annotées. Cette étude utilise une approche d'apprentissage profond guidé par des connaissances (knowledge-guided machine learning: KGML). Sur une base de 962 nématodes répartis en 8 classes, les modèles ResNet de base non-guidés par les connaissances ont atteint une précision moyenne de 81% sur les 8 classes, avec un maximum de 85%. Pour améliorer les performances de classification, un cadre KGML a été développé, intégrant des connaissances biologiques via Grad-CAM. Cela a permis d'augmenter la précision de 7%, atteignant un maximum de 94%, et d'améliorer l'explicabilité des modèles. Ces résultats montrent le potentiel de l’IA guidée par les connaissances pour améliorer la classification des espèces marines avec des données limitées.

195. Classification de processus de points sphériques : comparaison entre statistiques spatiales et Graph Neural Networks Alexandre Martin, Amel Ait Mouffok, Eirini Fytili, Jules Imler, Arnaud Tête, Sylvie Bortoli, Xavier Coumoul, Stephan Clavel, Xavier Descombes. p. 777-780 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article compare les méthodes statistiques traditionnelles et les Graph Neural Networks (GNN) pour la classification d'organoïdes de prostate. Nous modélisons les deux phénotypes principaux des organoïdes de prostate - cystiques et choux-fleurs - par des distributions de points sphériques uniformes et agrégées. L'approche statistique utilise les fonctions K, F et G de Ripley, tandis que l'approche GNN s'appuie sur la tessellation de Voronoi pour construire le graphe. Les performances sont évaluées face à deux types de bruit : gaussien et poivre et sel. Nos résultats démontrent que les méthodes statistiques sont plus efficaces pour cette tâche spécifique, mais sont limitées par leur restriction au cas sphérique. Cette étude offre des perspectives pour l'analyse morphologique des organoïdes de prostate afin de comprendre leur développement et leur réponse aux traitements

196. QINCODEC : Quantificateurs Neuronaux pour la Compression Audio Zineb Lahrich, Gaëtan Hadjeres, Gael RICHARD, Geoffroy Peeters. p. 781-784 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les codecs audio à l’état de l’art reposent sur l’entrainement de bout en bout d’un autoencodeur et d’une quantification latente, contraignant le choix des méthodes de quantification (non différentiables par définition) et imposant leur apprentissage en ligne. Nous proposons une nouvelle méthode : quantifier hors ligne les représentations latentes d’un autoencodeur pré-entrainé, suivie d’un ré-entrainement du décodeur pour atténuer la dégradation. Cette stratégie permet d’utiliser n’importe quel quantificateur, y compris des quantificateurs neuronaux comme QINCO2, rendant la conception du codec plus flexible et moins coûteuse.

197. Matrices de réduction et de reconstruction pour la réduction de graphes Antonin Joly, Nicolas Keriven, Aline Roumy. p. 785-788 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La réduction de Graphe a pour objectif de diminuer la taille d'un graphe afin d'alléger son empreinte mémoire, à l'aide d'une matrice de réduction et d'une matrice de reconstruction. La plupart des algorithmes de réduction se concentrent sur la matrice de réduction et imposent une matrice de reconstruction fixée en fonction de celle-ci. Dans cet article, nous mettons en évidence le rôle central de la matrice de reconstruction, qui garantit que le résultat du processus a une structure de graphe. Ensuite, en fixant cette matrice, nous établissons une taxonomie des matrices de réduction admissibles, offrant ainsi un cadre plus flexible pour leur choix. Enfin, nous introduisons une nouvelle matrice de réduction qui obtient des garanties spectrales améliorées.

198. Diffusion vidéo : dépasser l’objectif d’efficacité et viser une sobriété choisie Thomas Maugey, Daniel Ménard, Anne-Cécile Orgerie, Robin Richard. p. 789-792 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Afin de diminuer l’impact écologique d’une technologie, les scientifiques s’orientent bien souvent vers des questions d’efficacité énergétique, mettant de côté le complexe effet rebond engendré. Dans cet article, nous étudions le cas de la diffusion vidéo, et nous discutons de l’urgente nécessité de pouvoir établir des limites. Nous montrons que celles-ci peuvent provoquer des oppositions ou des contournements, illustrant bien la difficulté de la tâche. Nous concluons enfin que cette question des limites, doit être considérée comme une problématique de recherche en tant que telle et que celle-ci est intrinsèquement pluridisciplinaire.

199. Réduction de la Résolution comme Technique de Compression pour les Systèmes d’Apprentissage Profond en Vision Jérémy Morlier, Mathieu Léonardon, Vincent Gripon. p. 793-796 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous évaluons et proposons de nouvelles méthodes de compression de réseaux de neurones pour des tâches de classification d’images qui utilisent la résolution des images utilisées. Les résultats montrent que ces méthodes permettent d’atteindre de nouveaux compromis entre mémoire et nombre de calculs en gardant de bonnes performances.

200. Kidney Stone Segmentation and Improved Generalization using SAM Villagrana Martin, Daul Christian, Larose Clement, Ochoa-Ruiz Gilberto, Lopez-Tiro Francisco. p. 797-800 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La segmentation des calculs rénaux est un prétraitement facilitant l'identification du type des calculs urinaires à l'aide de classifieurs. La segmentation manuelle est fastidieuse et peu appropriée car la base de d'images urétéroscopiques est de grande taille. Cette étude examine le potentiel du modèle ``segment anything model'' (SAM, une approche d'apprentissage profond de référence) pour automatiser la segmentation des calculs rénaux. Les performances de SAM sont comparées à celles de modèles classiques tels que U-Net, Residual U-Net, et Attention U-Net qui sont efficaces, mais qui disposent d'une faible capacité de généralisation à des données ``encore non vues''. Cette contribution démontre l'adaptabilité et l'efficacité de SAM. Bien que SAM conduise à des résultats comparables à ceux d'U-Net pour des images dont la distribution est similaire à celle des données d'apprentissage (Accuracy : 97,68±3,04 ; Dice : 97,78±2,47 ; IoU : 95,76±4,18), SAM démontre une plus grande capacité de généralisation en surpassant de 23\% les performances de toutes les variantes d'U-Net pour des distributions non apprises.

201. Regularizing Gradient Reconstruction Attacks in Federated Averaging Pierre Jobic, Aurélien Mayoue, Sara Tucci, François Terrier. p. 801-804 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Pour répondre aux besoins grandissants d'accès aux données et de confidentialité, l'apprentissage fédéré est de plus en plus considéré. Il permet à plusieurs clients d'apprendre un modèle de façon collaborative sous la supervision d'un serveur central mais sans jamais partager leurs données. Par construction, l'apprentissage fédéré apparait comme une solution pour assurer la confidentialité des données mais pas celle du modèle dont les paramètres sont échangés entre les clients et le serveur tout au long du processus d'apprentissage. Des attaques récentes, telles que les attaques par reconstruction de gradient (GRAs), ont ainsi montré la faisabilité de reconstruire les données d’entraînement des participants. Néanmoins, la majorité de la littérature s'intéresse à FedSGD, une version simplifiée et non réaliste de l'apprentissage fédéré où chaque client réalise une seule itération de descente de gradient stochastique à chaque tour. Dans un scénario plus réaliste, les clients calculent plusieurs étapes de descente de gradient (FedAvg) avant de partager leur modèle au serveur. Ce protocole ajoute des étapes de calculs intermédiaires, inconnues de l'attaquant, rendant ainsi les GRAs moins efficaces. Dans cet article, nous introduisons une nouvelle régularisation qui rend les GRAs plus efficaces dans le cadre de FedAvg. Notre discussion est étayée par des expériences dans un contexte de vision par ordinateur.

202. Modèles de Flux Riemanniens pour l’Interférométrie SAR Georges Le Bellier, Dana El hajjar, Arnaud Breloy, Nicolas Audebert. p. 805-808 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’interférométrie SAR (InSAR) permet l’analyse des changements topologiques de sites naturels ou zones urbaines.Cependant, l’utilisation d’algorithmes de débruitage est nécessaire pour capturer l’information pertinente des interférogrammes. Dans cette article, nous exploitons la structure cyclique des phases interférométriques pour concevoir des modèles de transport de distributions efficaces et assurant la validité des données générées. Nous appliquons cette approche à i) la génération d’interférogrammes réalistes pour l’augmentation de données, ii) le débruitage d’interférogrammes. Nos expériences sur des données Sentinel-1 montrent l’efficacité des modèles de flux riemanniens pour ces applications.

203. Performances des protocoles QKD, BB84 et SARG04 pour les communications sous-marines. Nour RIZK, Angélique DREMEAU, Arnaud COATANHAY. p. 809-812 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans le contexte des communications sous-marines sécurisées et plus précisément des transmissions de clés de cryptage par un processus quantique (Underwater Quantum Key Distribution - UQKD), cette étude cherche à mettre en évidence l’influence du canal de propagation sur l’efficacité de la transmission. Nous comparons ainsi deux protocoles de QKD à variables discrètes : BB84 et SARG04, en fonction de la distance de propagation, des caractéristiques d’eau de mer (claire, côtière et trouble) et des conditions atmosphériques. Le critère principal de comparaison consiste en une analyse quantitative du taux d’erreur de bit quantique (Quantum Bit Error Rate - QBER). Nous nous basons pour cela sur une expression analytique déjà établie et connue de la littérature et proposons une simulation numérique en fonction des paramètres du modèle de mer.

204. Un enseignement expérimental de traitement du signal audio Gilles Chardon, Jose PICHERAL, Sarah ROUAL. p. 813-816 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous présentons ici un cours de traitement de signal audio qui est proposé en deuxième année du cursus ingénieur de CentraleSupélec. Il s'agit d'un module optionnel d'enseignement expérimental se déroulant sur une semaine à plein temps. Cet enseignement s'articule autour de trois thèmes principaux : estimation de réponses impulsionnelles de salle, séparation de sources et localisation de sources. Chaque thème est introduit sur une journée par un cours et un TD le matin, et un TP l'après-midi. Les deux journées restantes sont consacrées à l'approfondissement en binôme d'un de ces thèmes au choix. Pendant la semaine, les étudiants obtiennent des résultats concrets, à partir de codes et données qu’ils ont eux-mêmes produits à l’aide du matériel mis à disposition (microphones de mesure, couples ORTF, réseaux de microphones MEMS, etc.). L’un des objectifs pédagogiques consiste à faire le lien entre les aspects théoriques et expérimentaux suivant la démarche suivante : 1) s’appuyer sur des fondements théoriques, 2) mettre en œuvre des méthodes de traitement, 3) valider sur des données synthétiques, 4) réaliser des acquisitions expérimentales, 5) approfondir les méthodes et améliorer les traitements.

205. Backward Diffusion iterates Noising-Relaxed Denoising Arthur Leclaire, Eliot Guez, Bruno Galerne. p. 817-820 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’objectif de cette communication est d’offrir une perspective synthétique sur les liens entre les modèles de génération d’images par diffusion et le problème classique de débruitage additif gaussien. Nous montrons comment formuler les schémas de diffusion comme un algorithme alternant des étapes de bruitage et débruitage relaxé. Ceci permet de mieux comprendre les schémas de bruit utilisés, d’accélérer l’échantillonnage du modèle, et aussi d’utiliser ces schémas avec d’autres débruiteurs existants. Enfin, nous questionnons l’utilisation des débruiteurs par diffusion pour régulariser des problèmes inverses dans un cadre plug-and-play, et nous exhibons de potentiels problèmes de stabilité que ces régularisations très profondes induisent.

206. Décomposition en termes bloc-bloc pour l'imagerie à valeur matricielle Saulo Cardoso Barreto, Julien Flamant, Sebastian Miron, David Brie. p. 821-824 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article introduit une nouvelle décomposition tensorielle pour les tenseurs d'ordre 4, appelée décomposition en termes bloc-bloc (BBTD) et motivée par des applications en imagerie à valeur matricielle. Après avoir décrit les propriétés du modèle (ambiguïtés, complexité), nous établissons une condition nécessaire et une condition suffisante pour l'identifiabilité. Un algorithme de type ALS est également décrit et validé numériquement. Ce travail théorique ouvre des perspectives intéressantes pour l'utilisation de modèles tensoriels dans cette modalité d'imagerie.

207. Modèle de diffusion avec guide linéaire pour la compression d’images Tom Bordin, Thomas Maugey. p. 825-828 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous présentons un schéma de compression d’images à très bas débit reposant sur l’utilisation de modèles de diffusion au décodeur, guidés par un filtre linéaire de l’image, sans entraînement. Nous montrons que cette formulation de guidage est versatile, pouvant préserver différentes informations sur l’aspect global de l’image.

208. Une équivalence entre algorithmes multiniveaux et algorithmes de descente par blocs Guillaume Lauga, Elisa Riccietti, Luis Briceño-Arias, Nelly Pustelnik, Paulo GONCALVES. p. 829-832 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous présentons une analogie entre algorithmes multiniveaux et algorithmes de descente par blocs pour un problème de restauration d’images. Les algorithmes multiniveaux utilisent une hiérarchie d’approximations du problème de minimisation à résoudre pour en accélérer la solution. Nous montrons que dans certains cas cette hiérarchie est telle que l’algorithme multiniveau est équivalent à un algorithme de descente par blocs. Cette équivalence ouvre de nouvelles possibilités théoriques pour les algorithmes multiniveaux et pratiques pour les algorithmes de descente par blocs.

209. Synthèse de bruit par modèle de diffusion pour la restauration d'images en basse luminosité Liying LU, Raphael Achddou, Sabine Süsstrunk. p. 833-836 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Obtenir des images de bonne qualité en basse luminosité est difficile en raison d'un rapport signal-à-bruit très bas. Les modèles de bruit usuels, comme le modèle Gaussien, sont insuffisants dans ces conditions. L'entraînement de réseaux neuronaux de restauration nécessite donc des données réelles appariées ou un modèle précis du bruit en basse luminosité. Cet article explore l'utilisation de modèles de diffusion génératifs pour résoudre ce problème. Après avoir adapté ces modèles pour une modélisation précise du bruit, nous démontrons que notre méthode permet de créer des bases de données de tailles arbitraires, améliorant ainsi les résultats des réseaux neuronaux de débruitage.

210. Évaluation des CNN pour la super-résolution de l'IRM de flux 4D Simon Perrin, Sébastien Levilly, Harold Mouchère, Jean-Michel Serfaty. p. 837-840 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans le contexte de l'IRM de flux 4D, la fiabilité des biomarqueurs hémodynamiques est influencée par la résolution spatiale. La super-résolution résout ce problème en améliorant la résolution et en réduisant le bruit du champ de vitesse. Le succès récent de l'apprentissage profond dans le domaine du traitement d'image, et plus spécifiquement pour la super-résolution, a conduit au développement de méthodes pour le débruitage et la super-résolution d'IRM de flux 4D. Cependant, la plupart des solutions de l'état de l'art évaluent leurs performances sur des jeux de données privés, ce qui réduit la possibilité de les comparer objectivement entre elles. Dans ce travail, nous proposons une méthode de comparaison pour l'entraînement et l'évaluation de trois solutions CNN. Des simulations de mécanique des fluides numérique sont utilisées pour générer des données synthétiques d'IRM de flux 4D pour l'entraînement et l'évaluation des méthodes. Dans cette évaluation, nous analysons l'influence des fonctions de coût sur les réseaux, l'architecture des réseaux et le mécanisme de channel attention.

211. SCONet: Réseaux d’Occupation Convolutifs pour la Segmentation Multi-Organes Maylis Jouvencel, Razmig Kéchichian, Julie Digne, Sébastien Valette. p. 841-844 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les réseaux de neurones convolutifs sont la norme pour la segmentation multi-organes en 3D, mais présentent des limitations en termes de coût computationnel. Pour surmonter ces limitations, nous proposons de remplacer la grille de voxels par une représentation en nuage de points plus compacte. Nous proposons SCONet, un réseau léger basé sur ConvONet adapté à la segmentation multi-organes. SCONet prend en entrée un nuage de points extrait du volume d'origine et l'enrichit avec des caractéristiques géométriques et photométriques. La capacité de SCONet à interroger les probabilités d’occupation pour tout point dans l’espace lui permet de prédire une carte de segmentation multi-organes à une résolution arbitraire. Nous évaluons notre méthode sur un dataset d'images CT abdominales et comparons ses performances avec des méthodes performantes de l'état de l'art. Nous étudions aussi les bénéfices d'utiliser une fenêtre glissante pour l'apprentissage. Notre implémentation est disponible à l'adresse https://github.com/maylis-j/SCONet.

212. MAP, déconvolution aveugle et a priori appris: un subtil mélange Minh Hai NGUYEN, Edouard PAUWELS, Pierre Weiss. p. 845-848 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous étudions les propriétés de l'estimateur du Maximum A Posteriori (MAP) pour la déconvolution aveugle, lorsqu'on utilise des a priori reposant sur les modèles de diffusion. Nous montrons empiriquement que pour ces a priori, les images floues sont plus probables. En conséquence, l'estimateur MAP produit des filtres proches de la masse de Dirac et des images floues. Nous montrons toutefois que la loi a posteriori possède un minimum local favorable. Nous proposons aussi une stratégie d'optimisation qui permet d'éviter le minimum global. Elle repose sur une initialisation adéquate avec une méthode d'optimisation alternée spécifique.

213. Évaluation de l’Équité des Systèmes Biométriques Kaïra Neily SANON, Joël Di Manno, Tanguy Gernot, Christophe Charrier, Christophe Rosenberger. p. 849-852 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les systèmes de reconnaissance biométrique basés sur l’apprentissage automatique sont largement déployés pour authentifier ou identifier des individus. Toutefois, ces systèmes peuvent présenter des variations de performance selon les profils d’utilisateurs ou les conditions d’usage, soulevant des enjeux d’équité. Plusieurs travaux ont proposé des métriques pour mesurer ces biais, mais leur complexité d’interprétation limite souvent leur adoption en pratique. Dans cet article, nous proposons une méthodologie expérimentale permettant d’analyser la sensibilité de ces métriques face à différents biais démographiques, ainsi qu’un nouvel indice de mesure, plus simple et opérationnel. Les résultats obtenus sur trois bases de données faciales et trois modèles de reconnaissance faciale démontrent la pertinence et la facilité d’utilisation de l’approche proposée.

214. Étude comparative de qualité des codecs audio neuronaux - cas de la musique et du contenu mixte parole/musique Thomas Muller, Stéphane Ragot, Laetitia Gros, Pascal Scalart. p. 853-856 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente les résultats d’une caractérisation de la qualité audio des codecs audio neuronaux les plus récents. Les codecs sont évalués sur la musique et le contenu mixte à l’aide d’une méthodologie de test subjectif normalisée. Ces résultats donnent un aperçu de la qualité audio de ces modèles utilisés dans un grand nombre d’applications. La corrélation avec les scores prédits par les modèles objectifs démontre le manque d’outils fiables adaptés à cette nouvelle génération de codecs neuronaux.

215. Détection de communauté par apprentissage fédéré en cluster Mickael Bettinelli, Argheesh Bhanot, Alexandre Benoit. p. 857-860 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce travail aborde le défi de la détection de communautés dans l’apprentissage fédéré, où les données ne sont ni indépendantes ni identiquement distribuées (non-IID) entre les clients. Le Clustered Federated Learning (CFL) est un ensemble de méthodes du FL visant à s'adapter au cas non-IID. L'avantage de cette approche est sa capacité à identifier des communautés de clients sans nécessiter d’informations préexistantes, tout en améliorant simultanément la performance de la tâche. Cependant, cette méthode présente une forte variabilité des partitionnements. Ce travail propose une solution à ce problème en s'appuyant sur une matrice d'agreement. Le jeu de données MNIST a été utilisé pour réaliser une comparaison des résultats entre un CFL classique et un CFL utilisant la matrice d'agreement.

216. Stéréophotométrie par Gaussian Splatting et rendu inverse Matéo Ducastel, Yvain Quéau, David Tschumperlé. p. 861-864 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les algorithmes récents de l'état de l'art en stéréophotométrie recourent à des réseaux de neurones et fonctionnent soit par apprentissage à priori, soit par optimisation par rendu inverse. Ici, nous revisitons le problème de la stéréophotométrie calibrée en exploitant les avancées récentes en rendu inverse 3D, avec le formalisme des Gaussian Splatting. Ceci nous permet de paramétriser la scène 3D à reconstruire, et de l'optimiser de manière plus explicable. Notre approche intègre un modèle simplifié de représentation de la lumière, et montre le potentiel du moteur de rendu des Gaussian Splatting pour le problème de la stéréophotométrie.

217. An ADMM algorithm to restore bivariate signals\ with joint time and covariance regularization Yigit Pilavci, Julien Flamant, Pierre-Antoine Thouvenin, Jérémie Boulanger, Pierre Chainais. p. 865-868 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les signaux bivariés occupent une place à part car ils permettent un traitement spécifique tenant compte de leurs propriétés géométriques. Ils correspondent aux ondes bidimensionnelles caractérisées par leur état de polarisation qui traduit la covariance entre les deux composantes du signal. Ce travail propose de faire bénéficier la résolution des problèmes inverses de restauration des signaux bivariés de termes de régularisation portant non seulement sur le signal lui-même, mais aussi sur la covariance entre composantes. Cet objectif amène à travailler avec le signal analytique et à considérer la présence d'un terme quartique dans la fonction de coût. Un problème d'optimisation sous contraintes linéaires est formulé. Une méthode ADMM est proposée impliquant des étapes de mise à jour efficaces. Les simulations numériques illustrent les bonnes performances et la rapidité de la méthode proposée.

218. De l'amélioration de l'accord des caractéristique en apprentissage continu grâce aux explications cohérentes Montmaur Antoine, Vu Ngoc-Son. p. 869-872 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous présentons une approche novatrice pour l’apprentissage continu, intégrant l’apprentissage auto-supervisé et la distillation de connaissances afin d’améliorer la robustesse des caractéristiques face aux changements de distribution. En utilisant des techniques d’explication comme Grad-CAM, notre méthode renforce la cohérence des réseaux à travers les tâches. Nos expérimentations sur plusieurs ensembles de données et méthodes auto-supervisées montrent que notre approche surpasse les solutions existantes, améliorant la stabilité de l’apprentissage à long terme sans recours aux mémoires de rejeu.

219. Modèles de diffusion pour la reconstruction polarimétrique d’environnements circumstellaires Quentin Villegas, Laurence Denneullin, Simon Prunet, André Ferrari, Nelly Pustelnik, Éric Thiébaut, Julian Tachella, Maud Langlois. p. 873-876 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous proposons une approche combinant modèles de diffusion et problème inverse pour la reconstruction d'images de disques circumstellaires. Notre méthode s'appuie sur le modèle Rhapsodie pour l'imagerie polarimétrique, en substituant à son a priori classique un modèle de diffusion entraîné sur des données synthétiques. Notre formulation intègre explicitement les fuites stellaires tout en traitant efficacement les données manquantes et le bruit élevé inhérents à l'imagerie polarimétrique à haut contraste. Les expériences montrent une amélioration significative par rapport aux méthodes conventionnelles dans le cadre de nos hypothèses, ouvrant de nouvelles perspectives pour l'étude des environnements circumstellaires.

220. Fusion Acoustique-Visuelle par Transport Optimal pour la Localisation de Sources Ilyes Jaouedi, Gilles Chardon, Jose PICHERAL. p. 877-880 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La localisation de sources acoustiques pose un défi important, notamment lorsque plusieurs sources sont alignées dans la même direction de vue. Les méthodes basées uniquement sur des réseaux de microphones ont des difficultés à distinguer ces sources, elles présentent aussi une précision limitée pour l’estimation des profondeurs des sources. Pour surmonter ces contraintes, nous proposons une approche de fusion entre données acoustiques et caméra en exploitant le transport optimal. Le problème est formulé comme la minimisation d’un terme de transport des détections caméra vers une grille spatiale, combinée à une contrainte physique décrivant la propagation des signaux acoustiques. L’optimisation est réalisée via une descente de gradient. Nos expérimentations, menées sur des données collectées avec un réseau de microphones et une caméra, montrent que cette approche améliore la séparation et la précision de localisation des sources par rapport aux méthodes acoustiques classiques.

221. Weighted tensorized fractional Brownian textures Céline Esser, Claire Launay, Laurent Loosveldt, Béatrice Vedel. p. 881-884 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous présentons un nouveau modèle de textures obtenues comme réalisations de champs appelés champs browniens fractionnaires pondérément tensorisés. Ils sont obtenus par une relaxation de la structure de produit tensoriel qui apparaît dans la définition des draps browniens fractionnaires. Des propriétés statistiques de ces champs, telles que l’auto-similarité, la stationnarité des accroissements rectangulaires, sont obtenues. Une généralisation à des champs à auto-similarité matricielle est proposée et des simulations basées sur la représentation spectrale sont effectuées.

222. Nouvelle Entropie de permutation basée sur le déterminant de matrices circulantes Meryem Jabloun. p. 885-888 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Au cours des deux dernières décennies, un nombre croissant de variantes de l’entropie de permutation (PE) ont été proposées pour mesurer la complexité des signaux. Leur principe fondamental repose sur l’identification des motifs d’ordre, mais peu d’entre elles ont pris en compte l’information relative à la variation de l’amplitude. Dans cet article, nous proposons une nouvelle variante de PE qui prend explicitement en compte à la fois l’amplitude et l’information spectrale. Cette nouvelle PE bénéficie d’une part des propriétés spectrales des déterminants des matrices circulantes, et d’autre part des propriétés filtrantes des motifs d’ordre que nous avons établies dans une étude précédente. Lorsqu’elle est appliquée à des signaux simulés, cette nouvelle PE surpasse les variantes de PE existantes qui intègrent l’information sur l’amplitude.

223. Chiffrement par Précodage Spatial de la Couche Physique sous Contrainte d'Enveloppe Constante Clément Clément, tarak ARBI, OUDOMSACK PIERRE PASQUERO, Benoit Geller. p. 889-892 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les systèmes de communication à entrées multiples ont de nombreux avantages comparés aux systèmes avec une seule antenne à l'émission comme une meilleure efficacité énergétique et une confidentialité améliorée en dirigeant le signal vers son récepteur légitime. Toutefois, les signaux qui souffrent d'un rapport élevé de puissance crète sur puissance moyenne nuisent considérablement à l'efficacité énergétique de l'émetteur. Dans ce papier, nous proposons un précodeur à enveloppe constante qui permet de chiffrer spatialement l'information pour des systèmes à entrée multiple et à sortie unique (MISO). Notre méthode permet de bruiter les canaux des récepteurs illégitimes en introduisant de l'aléa dans la façon de précoder l'information, sans que cela ne dégrade le canal du récepteur légitime. Notre méthode de transmission n'est ni plus coûteuse énergétiquement, ni plus complexe algorithmiquement que les autres précodeurs de la littérature~;~en revanche, elle permet un gain de confidentialité important ainsi qu'un PAPR optimum, comme le montrent nos simulations.

224. VAE pour la détection d’anomalies en imagerie SAR Huy Nguyen, Chengfang Ren, Jérémy Fix, Jean-Philippe OVARLEZ, Joana Frontera-Pons. p. 893-896 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans ce papier, nous proposons une approche non supervisée pour la détection d'anomalies en imagerie SAR. Le modèle proposé combine une étape de despeckling en pré-traitement, un Auto-Encodeur Variationnel (VAE) de type beta-annealing pour filtrer les anomalies de manière non supervisé et un détecteur d'anomalies basé sur le changement de la matrice de covariance en entrée et en sortie du réseau de beta-annealing VAE. Des expériences ont été menées sur des images polarimétriques SAR de l'ONERA en bande X pour démontrer l'efficacité du Beta-Annealing VAE par rapport aux méthodes proposées dans la littérature. In this paper, we propose an unsupervised learning approach for anomaly detection in SAR imaging. The proposed model combines a preprocessing despeckling step, a beta-annealing Variational Auto-Encoder (VAE) for unsupervised anomaly filtering, and an anomaly detector based on the change of the covariance matrix at the input and output of the beta-annealing VAE network. Experiments have been carried out on X-band ONERA polarimetric SAR images to demonstrate the effectiveness of Beta-Annealing VAE compared with the methods proposed in the literature.

225. How to improve expressivity of convex ReLU neural networks? Anne Gagneux, Mathurin Massias, Emmanuel SOUBIES, Remi Gribonval. p. 897-900 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Pour implémententer des fonctions convexes avec des réseaux de neurons, l'architecture standard est celle des ICNNs. Cet article présente une étude de leur expressivité, à la fois théorique et expérimentale. En s'appuyant sur la caractérisation des réseaux ReLU convexes, nous proposons une régularisation favorisant la convexité de la fonction apprise.

226. Approche dictionnaire pour l'identification et la quantification des ions atomiques d'un spectre de masse issu d'une sonde atomique. Théo Mauger, Olivier Michel, Pierre-Olivier Amblard. p. 901-904 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente les premiers résultats d’une approche fondée sur un dictionnaire pour l’identification et la quantification d’ions à partir d’un spectre de masse obtenu par une tomographie par sonde atomique. Chaque signature atomique du dictionnaire est construite à partir des abondances isotopiques naturelles, puis adaptée à la réponse instrumentale spécifique de la sonde utilisée. La réponse instrumentale est modélisée par des fonctions analytiques ajustables sous forme de lois de mélange. L’identification est résolue par l’algorithme NNOMP. Des résultats sur un spectre simulé et un spectre réél montrent l’efficacité et la flexibilité de l’approche, notamment pour résoudre les problèmes de superposition des raies spectrales

227. Génération d’Images et Insertion d’un Message Caché dans l’Espace Latent Glow Aurélien Noirault, Jan Butora, Vincent Itier, Patrick Bas. p. 905-908 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

En stéganographie générative, un message est inséré dans l’espace latent d’un générateur d’image. Le décodage de ce message suppose de pouvoir inverser la génération et de retrouver ce vecteur. Cependant, pour être sauvegardée, l’image doit être quantifiée, ce qui crée une erreur dans l’inversion et empêche le décodage du message. Nous proposons une méthode d’optimisation permettant de rendre robuste un algorithme d’insertion à cette distorsion. L’ajout d’un vecteur de biais appris par descente de gradient au vecteur latent permet de générer une image quantifiée et donc d’obtenir un taux d’erreur nul.

228. Imagerie par faisceau d'ions : application à l'étude des objets du patrimoine Astrid TAZZIOLI, Alexandre GIRARD, Quentin LEMASSON, Laurent PICHON, Claudine LOISEL, François MIRAMBET, Claire PACHECO. p. 909-912 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’imagerie par faisceau d’ions permet d’étudier les objets du patrimoine en révélant notamment leur état d’altération, leur provenance, leurs techniques de fabrication. Souvent hétérogènes et stratifiés, ces objets nécessitent une analyse 2D de leur surface pour obtenir une vision représentative du matériau. Les techniques employées déterminent leur composition chimique et leur stratigraphie, mais génèrent rapidement des milliers de spectres à interpréter, rendant leur traitement manuel très chronophage. Cette étude propose une façon d’accélérer le traitement de ces cubes de données, en regroupant les voxels issus de zones homogènes, qui peuvent alors être traités simultanément. Pour cela, les résultats de différents algorithmes de clustering et de segmentation seront comparés. L’application de la méthodologie porte sur des grisailles, peintures à base de plomb fréquemment rencontrées sur les vitraux depuis le Moyen-Age.

229. Le retour groupé des bandits multi-bras pour aider les réseaux LoRaWAN Jules Courjault, Baptiste Vrigneau, Olivier Berder, Claude Guichaoua, Amy Lynn Murphy. p. 913-916 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’essor de l’IoT ces dernières années a conduit au déploiement massif de dispositifs connectés, rendant les réseaux IoT plus denses. Afin d’optimiser la transmission et de limiter la congestion dans ces réseaux denses, des algorithmes de gestion adaptative du débit de données ont été mis en place, comme celui utilisé dans le protocole LoRaWAN. L’utilisation d’algorithmes basés sur l’apprentissage par renforcement, en particulier les bandits manchots, a été étudiée. Cependant, la limitation du cycle d’utilisation réduit les performances de ces algorithmes dans les réseaux denses jusqu’à 15%. Cet article vise à proposer une solution pour pallier ce problème lié à la limitation du rapport cyclique, en prenant la technologie LoRa comme cas d’étude. Un effort particulier a été fait sur la consommation d’énergie, et la fonction de récompense a été modifiée afin d’économiser l’énergie tout en garantissant la qualité de service. Les performances sont évaluées grâce à notre simulateur J-LoRaNeS, basé sur le langage Julia.

230. Approche bayésienne pour la détection de la déforestation à partir de séries temporelles d’images SAR polarimétriques Sentinel-1 Marta Bottani, Laurent Ferro-Famil. p. 917-920 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les séries temporelles d'images SAR polarimétriques Sentinel-1 (S1) sont cruciales pour analyser les changements environnementaux. La détection de la déforestation, associée à un point de changement dans une série temporelle, doit surmonter les défis liés à la saisonnalité et au caractère aléatoire de la réflectivité des environnements forestiers. Cet article propose une méthode bayésienne appliquée à des séries temporelles de données SAR, exploitant les propriétés polarimétriques partielles des mesures S1 pour une meilleure détection. Les résultats réels montrent que le modèle surpasse les modèles bivariés standards, les méthodes à polarisation unique et une méthode existante basé sur l'imagerie optique.

231. Implémentation Efficiente de Fonctions de Convolution sur FPGA à l’Aide de Blocs Paramétrables et d'Approximations Polynomiales Philippe de Souza Magalhães, Virginie FRESSE, Benoît Suffran, Olivier Alata. p. 921-924 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La mise en œuvre de réseaux de neurones convolutifs (CNNs) sur des field-programmable gate arrays (FPGAs) représente une solution alternative aux GPU, en raison d'une latence réduite, une meilleure efficacité énergétique et une flexibilité accrue. Cependant, elle reste complexe en raison des compétences matérielles requises et des longues phases de synthèse, placement et routage, qui allongent les cycles de conception et limitent l’exploration rapide des configurations, compliquant l’optimisation sous fortes contraintes. Cet article propose une bibliothèque de Blocs de convolution configurables, visant à optimiser l’implémentation sur FPGA et à s’adapter aux ressources disponibles. Il présente également un cadre méthodologique pour développer des modèles mathématiques capables de prédire l’utilisation des ressources FPGA. L’approche est validée par une analyse de corrélation entre les paramètres suivie de mesures d’erreur. Les résultats montrent que les blocs conçus permettent l’adaptation des convolutions aux contraintes matérielles, et que les modèles prédisent avec précision la consommation des ressources, constituant un outil utile pour le choix d’architectures FPGA et le déploiement optimisé des CNN.

232. Approche plug-and-play pour la reconstruction des cartes d’abondance en imagerie hyperspectrale mono-pixel Séréna HARIGA, Nicolas Ducros, Audrey Repetti, Jérémy Cohen. p. 925-928 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous étudions dans cet article la reconstruction d’images hyperspectrales acquises par une caméra mono-pixel. Nous nous intéressons particulièrement à l’estimation des cartes d’abondance dans un cadre de démélange spectral. Nous proposons d’utiliser un algorithme primal-dual décliné en deux versions, selon le type de régularisation : (i) par variation totale et (ii) avec un réseau de neurones débruiteur (algorithme dit plug-and-play). Nous montrons sur des simulations que l’approche plug-and-play offre en général de meilleures performances. Nous mettons également en évidence l’impact de la présence d’un matériau en faible proportion sur la reconstruction de sa carte associée, et l’importance de bien choisir le paramètre de régularisation en conséquence.

233. Analyse automatique des images de "flicker" en optique adaptative pour l'étude du couplage neuro-vasculaire Abir Aissa, Florence ROSSANT, Hélène URIEN, Daniela CASTRO FARIAS, Michel PAQUES. p. 929-932 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous présentons nos travaux sur la segmentation et l’analyse de la qualité des images en optique adaptative, appliqués aux séries d’images de flicker. Nous proposons une approche de prédiction de la qualité basée sur l'apprentissage profond. Ainsi, la segmentation préalable de l'image de meilleure qualité permet d'améliorer la segmentation des autres images de la série, et finalement d'obtenir des mesures précises, avec pour seule intervention de l’expert la sélection de la zone d’intérêt.

234. Apport des copules pour améliorer la détection de cibles à l'aide d'un radar polarimétrique Roxane Leduc, Audrey Giremus, Eric Grivel, Adrien Gilliot, Yoan Veyrac, Vincent Corretja. p. 933-936 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les radars polarimétriques sont des dispositifs émergents qui ouvrent des perspectives prometteuses, notamment en matière de détection de cibles maritimes. Pour concevoir une solution tirant parti de ces nouvelles capacités, il est essentiel de développer un cadre théorique mettant à profit la diversité des mesures polarimétriques. Comme ces dernières offrent plusieurs perspectives d'une même scène, leur corrélation doit être modélisée de manière appropriée. Dans cette communication, nous proposons l'utilisation de la théorie des copules pour capturer et quantifier ces dépendances, permettant ainsi d'améliorer les performances de détection de cibles.

235. Détection des sursauts radio rapides (FRB) basée sur une architecture neuronale contrastive et générative Benjamin Amblard, Sara El Bouch, Mauro Dalla Mura, André Ferrari, Cédric Richard. p. 937-940 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les sursauts radio rapides, des phénomènes astrophysiques brefs et intenses, sont difficiles à détecter en raison des interférences radiofréquences. Dans cet article, nous proposons une architecture hybride combinant une tête contrastive et une tête de reconstruction, optimisée pour la détection d'anomalies. Cette approche permet de distinguer efficacement les FRBs des interférences grâce à une modification du coût contrastif et à une reconstruction sélective des données normales uniquement.

236. Generalizability and Sample Complexity of Quadratic Shallow Neural Networks Under Low-Rank Learning Xiaolin Wang, Olivier Rioul, Anissa Mokraoui, Pierre Duhamel, Jacob Benesty. p. 941-944 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce travail examine les relations entre la complexité de l'échantillon et la complexité du modèle dans l'apprentissage à faible rang des réseaux neuronaux quadratiques superficiels (QSNN). Nous proposons un nouveau cadre enseignant-étudiant à double corrélation qui intègre des corrélations entre paramètres pour mieux refléter les propriétés des données réelles. Ce cadre étend les théories existantes sur les QSNN en analysant l'influence de la taille d'échantillon sur l'erreur de généralisation pour des modèles appris à faible rang ou présentants un biais intrinsèque. Nos résultats révèlent un comportement à deux phases dans les lois d'échelle de la capacité de généralisation selon la taille d'échantillon, et démontrent que les corrélations paramétriques du modèle enseignant améliorent considérablement la généralisation des modèles à rang réduit. Des simulations numériques étendues confirment ces résultats et offrent des perspectives théoriques ainsi que des recommandations pratiques pour concevoir des architectures de réseaux neuronaux efficaces dans le contexte de l'apprentissage à faible rang.

237. Quasi-Cyclic Grandient learning : une méthode d’optimisation des codes QC-LDPC de la 5G Emmanuelle Bodji, Emmanuel BOUTILLON, Bruno JAHAN, Christophe JEGO. p. 945-948 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’utilisation des réseaux neuronaux progresse dans plusieurs domaines, notamment les télécommunications. Cependant, en ce qui concerne les codes correcteurs d’erreurs, le consensus actuel est que les outils d’Intelligence Artificielle (IA) peuvent au mieux faire aussi bien que ceux qui existent déjà, sans vraiment apporter de simplification : l’enthousiasme des débuts s’est estompé. Dans cet article, nous montrons qu’il est possible d’utiliser l’IA comme un oracle pour identifier et améliorer progressivement les faiblesses d’une matrice construction d’un code. Nous avons appliqué cette approche à l’optimisation de la structure de base des codes LDPC standardisés pour la cinquième génération de téléphonie mobile appelée 5G. Pour les petites matrices, nous avons obtenu des gains de performance significatifs allant jusqu’à 1,3 dB en rapport signal-bruit pour un taux d’erreur de trame de 10−2.

238. Reconstruction 3D en tomographie radar: apprentissage profond basé sur un Matching Pursuit déroulé Cristiano Ulondu Mendes, Loïc Denis, Christophe Kervazo, Florence TUPIN. p. 949-952 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La tomographie radar en milieu urbain consiste à séparer des réflecteurs situés à des hauteurs différentes mais vus dans un même pixel car situés à une distance similaire du radar. Les méthodes d'apprentissage profond proposées récemment pour résoudre cette tâche sont basées sur le déroulement d'algorithmes de poursuites de base avec contrainte de parcimonie. Ils dépendent d'une discrétisation des hauteurs et ne permettent pas un contrôle simple du nombre de réflecteurs détectés. On présente dans cet article une approche alternative permettant d'estimer la position des cibles sur un intervalle continu. Notre approche s'inspire des itérations des algorithmes gloutons de reconstruction parcimonieuse tels que Matching Pursuit ou RELAX. Nous montrons des résultats de reconstruction satisfaisants sur des données simulées et sur une pile d'images satellitaires.

239. Théorie semi-quadratique, régularisation et estimation robuste Pierre CHARBONNIER. p. 953-956 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'hypothèse classique de distribution gaussienne, correspondant à un critère des moindres carrés, s'avère inadaptée dans de nombreux problèmes où les données traitées se composent en réalité de deux catégories. Formalisée il y a environ trente ans dans le cadre de la régularisation des problèmes inverses, la théorie semi-quadratique permet d'établir des formes analytiques appropriées et conduit le plus souvent à des algorithmes déterministes, rapides et faciles à implanter. Cette théorie se situe à la confluence des statistiques robustes (M-estimateurs), de la régularisation markovienne ou variationnelle des problèmes inverses, des équations aux dérivées partielles et de l'analyse convexe. Ces inspirations diverses ont favorisé sa diffusion même si, dans ses multiples résurgences, elle n'est pas toujours identifiée en tant que telle. Nous proposons ici une synthèse de cette approche qui permet de résoudre une grande variété de problèmes pratiques en traitement du signal et des images.

240. Adaptation de domaine non supervisée par pondération d'importance pour des données tensorielles Duc Hoan Nguyen, Ricardo Borsoi, Sebastian Miron, David Brie. p. 957-960 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les tenseurs permettent une représentation naturelle des données multidimensionnelles. Cependant, dans les tâches d’apprentissage automatique, le manque d’échantillons tensoriels étiquetés pour la phase d’entraînement rend souvent nécessaire l’utilisation de méthodes d’adaptation de domaine (DA). La majorité des approches existantes en adaptation de domaine non supervisée (UDA) apprennent les caractéristiques à partir des versions vectorisées des données tensorielles, sans exploiter leur structure multilinéaire. Dans cette communication, nous proposons une nouvelle méthode d’adaptation de domaine non supervisée pour les données tensorielles, en tirant parti de leur structure de rang faible. Cette approche repose sur un schéma de régularisation par pondération d’importance dans les espaces de Hilbert à noyau reproduisant (RKHS), et sur l’estimation de la dérivée de Radon-Nikodym (R-ND) pour les distributions marginales des domaines source et cible. L’efficacité de la méthode proposée est validée par des simulations numériques.

241. Conic Particule Gradient Descent for Kernel logistic Regression antoine Simoes, Yohann De Castro. p. 961-964 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous développons l’intérêt des modèles continus parcimonieux pour la regression logistique à noyau dans le cadre de classification binaire. Contrairement à la logistique ridge regression, notre méthode ne nécessite pas autant de paramètres que d’observations. Notre classifieur se base sur des avancées récentes dans l’étude de modèles pénalisés grâce à la norme de variation totale qui nous permet d’obtenir une estimée avec peu de paramètres, intrinsèque à la parcimonie de la fonction cible. Cette technique est particulièrement intéressante quand la taille de échantillon est très grande. Notre estimée est obtenue grâce à une descente de gradient sur l’espace des mesures discrètes, et plus particulièrement à une descente de gradient conique particulaire. Nous présentons ici une étude méthodologique des différences et avantages entre la régression ridge à noyau et notre technique, appelée ici Beurling Logistic ou BLogistic.

242. Sigcor -- un paquet Python pour le calcul de seuils de coefficients de corrélation significatifs pour des petits et grands échantillons Guillaume Becq. p. 965-968 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, le paquet Python Sigcor est présenté. Il propose des fonctions pour le calcul des seuils de coefficients de corrélation significatifs entre signaux. En particulier, il permet d'obtenir des valeurs précises lorsque le nombre d'échantillons des signaux est faible ou lorsque les signaux sont filtrés. Les fonctions du paquet sont présentées et leurs intérêts pratiques sont évalués.

243. Un réseau de neurones frugal pour la détection bioacoustique Matthieu Carreau, Sébastien Faucou, Pierre-Emmanuel Hladik, Vincent Lostanlen. p. 969-972 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le développement de capteurs bioacoustiques permet de contribuer à l'étude de populations animales, notamment d'oiseaux, et à la préservation de la biodiversité. Afin de limiter les interventions humaines et d'améliorer l'autonomie des capteurs, nous souhaitons développer des capteurs sans batterie, effectuant le traitement de l'audio sur un microcontrôleur alimenté par une source d'énergie ambiante. Les réseaux de neurones de l'état de l'art permettant la détection de l'activité vocale d'une espèce d'oiseaux nécessitent une mémoire et une capacité de calcul incompatibles avec les ressources d'un tel microcontrôleur. Nous proposons un réseau de neurones frugal en nombre de paramètres pour la détection de l'activité vocale d'une espèce d'oiseaux. Nous montrons que l'architecture BC-ResNet permet de détecter correctement les vocalisations du rossignol philomèle avec seulement quelques milliers de paramètres.

244. Détection non supervisée de changements radiométriques en imagerie radar à synthèse d'ouverture Thomas Bultingaire, Christophe Kervazo, Loïc Denis, Florence TUPIN. p. 973-976 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’imagerie radar à synthèse d’ouverture est un mode d’imagerie clé pour la détection de changements en télédétection. Cette tâche est difficile à cause du phénomène de chatoiement, un phénomène qui nécessite de réaliser une étape de débruitage pour y être davantage robuste. Cependant, il est nécessaire de prendre en compte les incertitudes de débruitage pour contrôler la probabilité de fausse alarme des changements détectés car les instabilités de débruitage doivent être distinguées des changements. Nous proposons donc un réseau, entraîné de manière auto-supervisée, pour prédire les incertitudes de débruitage menant à une détection de changements radiométriques dont la performance est évaluée sur des images du satellite TerraSAR-X.

245. Vehicle Activity Dataset: Un jeu de données multimodal pour l’analyse des émissions des véhicules et des scènes routières en vue d’un éco-routage Firas Jendoubi, Vishnu Pradeep, Redouane Khemmar, Madjid Haddad. p. 977-980 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans le domaine de la mobilité intelligente, l’IA joue un rôle clé pour réduire l’impact environnemental du trafic routier. Pour cela, nous développons une carte écologique en temps réel, visualisant la consommation énergétique et les émissions de CO₂ des véhicules électriques et thermiques sur différents tronçons. Cette approche est d’autant plus pertinente que les émissions routières constituent l’une des principales sources de pollution urbaine, rendant indispensable une analyse fine du comportement des véhicules. Dans cet article, nous présentons le Vehicle Activity Dataset (VAD), un ensemble de données innovant combinant des mesures d’émissions par Portable Emission Measurement System (PEMS), des scènes routières capturées par caméra RGB et des détections d’objets. Ce dataset permet d’étudier les corrélations entre les émissions polluantes et l’environnement routier. Les résultats expérimentaux, obtenus en conditions réelles, confirment la robustesse de notre méthode et ouvrent des perspectives prometteuses pour une mobilité plus durable.

246. Comment spécialiser DINOv2 pour l'astronomie ? Matthieu Le Lain, Sébastien Lefèvre. p. 981-984 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cette étude évalue la performance des modèles de fondation visuels existants, basés sur ViT, SwinV2, BEiT ou DINOv2, pour des applications astronomiques, en particulier la classification d’images de galaxies à l’aide de l’ensemble de données Galaxy10 DECaLS. Nous utilisons une méthodologie de spécialisation (finetuning) pour évaluer la viabilité de l’adaptation des modèles pré-entraînés aux tâches astronomiques, dans le but de contourner le coûteux processus de ré-entraînement complet des modèles de fondation. La comparaison des modèles étudiés conduit à une analyse approfondie du modèle DINOv2, dont les résultats se révèlent prometteurs. Cette étude vise à évaluer les bénéfices d’une spécialisation de l’ensemble des paramètres du modèle par rapport à une spécialisation limitée à la tête de classification. L’objectif est d’optimiser les performances du modèle tout en identifiant ses éventuelles limites. Notre recherche contribue au domaine émergent des modèles de fondation astronomiques en identifiant les limites actuelles et en définissant les orientations futures de la recherche en IA pour l’astronomie.

247. Une distance de style stochastique pour la synthèse de textures multispectrales Sélim Ollivier, Yann Gousseau, Sidonie Lefebvre. p. 985-988 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons dans cet article une distance de style multispectrale reposant sur un réseau de neurones pré-entraîné sur des images naturelles à 3 canaux. Elle consiste en une évaluation stochastique d'une distance de style classique sur les images formées par des triplets aléatoires de bandes spectrales. Elle permet une extension simple et efficace de l'état de l'art des méthodes de synthèse de texture aux données multispectrales, sans nécessiter l’entraînement d'un réseau dédié.

248. Distance image-image pour la détection d’image générée par modèles de diffusion Antoine Mallet, Patrick Bas, Rémi Cogranne. p. 989-992 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce travail propose une méthode de détection d'images générées par modèles de diffusion. Dans un premier temps, nous proposons une mesure statistique de la distribution multivariée du résidu des pixels par un filtre passe-haut. Cette mesure sert d'empreinte digitale de la nature réelle ou générée d'une image. Dans un second temps, nous rappelons comment mesurer une distance dans la variété des statistiques extraites, en l'occurence des matrices de corrélations. Puis nous présentons un schéma de détection, en mesurant la distance des statistiques extraites sur une base d'images, et sur les images obtenues après une itération de modèles de diffusion \og image-to-image \fg. Les modèles de diffusion marquent ainsi l'empreinte de l'image, sans modifier le contenu. Nous montrons que la marque sur les images réelles est plus importante que sur les images générées. Les résultats confirment l'intérêt de l'approche dans un problème de classification binaire, et les limites en multiclasse.

249. Reconstruction 3D depuis des couples SAR ascendant/descendant Emile Barbier--Renard, Florence Tupin, Loïc Denis. p. 993-996 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Afin d'exploiter les disparités géométriques entre des images SAR acquises sous différents points de vue, nous présentons une méthode de reconstruction de surface par rendu inverse inspirée de NeRF. Elle optimise une carte d'élévation et une carte de coefficients de rétrodiffusion à partir d'un minimum de deux images, et s'appuie sur un modèle de rendu différentiable adapté à cette représentation en carte d'élévation ainsi qu'une stratégie multi-échelles assurant une convergence rapide. Nous validons les capacités de reconstruction sur des données synthétiques réalistes générées par le simulateur EMPRISE de l'ONERA.

250. Approche couplée VAE et interpolateur pour l’émulation rapide d’images hyperspectrales Chedly Ben Azizi, Claire Guilloteau, Gilles Roussel, Matthieu PUIGT. p. 997-1000 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La génération de données hyperspectrales de haute fidélité est un élément essentiel des missions d'observation, mais elle implique traditionnellement des simulations numériques coûteuses. Ce défi peut être relevé en construisant un modèle statistique approchant la distribution des données simulées. Ce processus est appelé émulation. Cet article présente une nouvelle approche d'émulation couplant un autoencodeur variationnel (VAE) et un interpolateur pour une émulation rapide d'images hyperspectrales. Cette approche permet d'émuler l'image hyperspectrale à partir des paramètres biophysiques de manière efficace et précise. Nous en dérivons deux méthodes : une méthode d'émulation de cubes hyperspectraux et une méthode d'émulation spectre-à-spectre. Ces méthodes sont évaluées sur les images hyperspectrales Sentinel-3 et montrent des améliorations significatives en termes de précision et d'efficacité par rapport aux méthodes existantes.

251. Radar MIMO massif cognitif : détection et suivi conjoints de cibles dans des perturbations inconnues Imad Bouhou, Stefano Fortunati, Leila Gharsalli, Alexandre Renaux. p. 1001-1004 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce travail présente un radar cognitif basé sur un processus de décision markovien partiellement observable (POMDP) pour la détection et le suivi de cibles mobiles dans un environnement perturbé et mal connu. Utilisant la technologie radar à entrées et sorties multiples massives (MMIMO), le système se comporte comme un agent intelligent qui adapte ses actions en temps réel afin d’améliorer la détection des cibles et la précision de leur localisation, tout en maintenant un taux de fausses alertes maîtrisé. Contrairement aux approches traditionnelles, notre méthode repose sur très peu d’hypothèses concernant les perturbations, et elle prend en compte le caractère non stationnaire de la cible. Les résultats de simulation montrent que l’algorithme en ligne proposé offre de meilleures performances que la méthode SARSA, couramment utilisée dans ce contexte.

252. Analyse comparative d’algorithmes de restauration en architecture dépliée pour des signaux chromatographiques parcimonieux Mouna Gharbi, Silvia Villa, Emilie Chouzenoux, Jean-Christophe Pesquet, Laurent Duval. p. 1005-1008 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La restauration de données à partir d'observations dégradées, sous hypothèse de parcimonie, est un champ d'étude actif. Aux traditionnelles méthodes itératives d'optimisation s'ajoutent aujourd'hui l'usage de techniques d'apprentissage profond. Le développement des méthodes dépliées bénéficie des avantages de ces deux familles. Nous réalisons une étude comparative de trois architectures sur des bases de données paramétrées de signaux en chromatographie, mettant en évidence la performance de ces approches, notamment en employant des métriques adaptées à la caractérisation de signaux de pics physico-chimiques.

253. Optimisation of Inelastic X-ray Scattering imaging parameters for the study of artists' pigments Laure Cazals, Loïc Bertrand, Agnès Desolneux. p. 1009-1012 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La diffusion inélastique des rayons X (IXS) est une méthode puissante pour étudier les matériaux. Il est préférable de réduire le temps d'irradiation afin de préserver au maximum les échantillons, ce qui peut affecter l'interprétation des données. Nous proposons une approche statistique pour optimiser les paramètres expérimentaux afin de tirer le meilleur parti d'un temps de collecte donné.

254. DeepFake Detection based on Noise Residuals Minh Thong DOI, Jan Butora, Vincent Itier, Jérémie Boulanger, Patrick Bas. p. 1013-1016 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Deepfakes pose significant challenges, particularly in terms of fraud, misinformation, and tampering with evidence. As deepfakes become more prevalent, effective detection methods are essential. We present DJIN, a deepfake detection model that retains noise components by avoiding pooling layers in the initial stages. Pre-trained on ImageNet for steganography using the JIN version, DJIN outperforms CoDE and CLIP and is the most effective detector for the In-Distribution dataset. DJIN is highly effective in handling high-quality images and processing images of various sizes. Since deepfake generators typically produce high-quality outputs, an explainability analysis reveals that DJIN leverages image noise by focusing on darker areas of real images and brighter areas in generated ones.

255. Un filtrage basé apprentissage profond pour le débruitage des signaux de vibrations cardiaques salman Almuhammad Alali, Amar Kachenoura, Lotfi Senhadji, Alfredo Hernandez, Cindy Michel, Laurent ALBERA, Ahmad Karfoul. p. 1017-1020 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cette étude présente une approche efficace pour le débruitage des signaux sonores cardiaques obtenus par un implant innovant situé au niveau du fundus gastrique, destiné à la surveillance longitudinale dans le contexte de l'insuffisance cardiaque. Cette méthode exploite la capacité des réseaux de neurones convolutifs à filtrer efficacement le bruit en utilisant des noyaux capables de capturer des informations utiles, à la fois des signaux d’intérêts et des artefacts. L'idée originale est la réutilisation d'un des noyaux du modèle pré-entraîné, initialement conçu pour la classification de l'insuffisance cardiaque, comme filtre pour le débruitage des signaux de vibrations cardiaques. Les résultats obtenus, sur une base de données acquise lors d’une expérimentation préclinique, démontrent l'efficacité de l'approche proposée en comparaison avec des techniques de débruitage standards, telles que les ondelettes et la décomposition en modes empiriques.

256. Imagerie échographique M-mode ultra-rapide par émissions continue Axel Adam, Barbara Nicolas, Hervé Liebgott, Adrian Basarab. p. 1021-1024 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'imagerie échographique repose classiquement sur le paradigme pulse-echo, limitant d'une part la cadence d'imagerie à quelques kHz, et d'autre part, le temps d'interaction entre chaque région du milieu lors du passage de l'impulsion transmise. Or ce dernier ne représente que 1% du temps d'acquisition. Pour y remédier, l'utilisation d'émissions continues a été récemment proposée, permettant d'imager plus de 100 fois plus vite. Nous introduisons un nouveau modèle couplé à une approche par problème inverse afin de pallier la dégradation du contraste et améliorer la résolution axiale sur des données simulées réalistes.

257. Méthode plug-and-play pour des problèmes inverses sur signaux bivariés avec données synthétiques Pierre Palud, Eric Chassande-Mottin. p. 1025-1028 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’approche plug-and-play (PnP) représente aujourd’hui l’état de l’art en restauration d’images. Elle repose sur un débruiteur gaussien, souvent défini par un réseau de neurones (RN) qui apprend les caractéristiques clés de l’image. Ce travail adapte l’approche PnP aux signaux bivariés. L’objectif principal est la restauration de la polarisation, c’est-à-dire la dépendence géométrique entre les deux composantes du signal. Il définit un RN débruiteur dans le domaine temps-fréquence en n’utilisant que des données synthétiques. L’intérêt de l’approche est démontré dans une application sur des signaux d’ondes gravitationnelles.

258. Utilisation de la courbure pour la classification d’images RVB-D au moyen d’une architecture versatile Maxime Morisset, Marc Donias, Christian GERMAIN. p. 1029-1032 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La classification d'images d'objets est un sujet essentiel dans de nombreux domaines d'applications. L'image optique (RVB) seule pouvant parfois s'avérer insuffisante à cette fin, il est courant de lui adjoindre une information de profondeur (D). Cependant, par manque de données d'entrainement, la classification d'images RVB-D par réseaux de neurones nécessite l'usage de backbones pré-entrainés sur des images couleur. Dans cet article, nous proposons une architecture générique versatile et adaptée dédiée à la classification d'images RVB-D qui met en oeuvre une colorisation de la profondeur basée sur la courbure. Inspirée du concept de fusion tardive, notre architecture permet l'interchangeabilité des backbones dédiés à chaque modalité. Nous complétons notre proposition par la recherche de la combinaison la plus pertinente. Des expériences réalisées sur Washington RGB-D montrent que le traitement de la profondeur nécessite un nombre de paramètres plus faible que celui de la couleur et que la classification d'images RVB-D est meilleure que la classification d'images RVB ou Profondeur seules. L'architecture optimale met en oeuvre les backbones VGG19 pour les deux modalités. La perspective principale de ce travail porte sur son extension à des tâches de classification ou de segmentation.

259. Information spatiale de Lehmer et activation paramétrique pour la classification frugale de données positives Matthieu Gallet, Abdourrahmane Atto, Emmanuel TROUVE. p. 1033-1036 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article introduit un formalisme d’apprentissage automatique fondé sur des cascades d’opérateurs paramétriques de Lehmer, généralisant les moyennes arithmétique et harmonique. Il repose sur un Filtre Spatial dit de Lehmer (FSL), qui extrait de manière non linéaire et apprenable des caractéristiques à partir de signaux. Pour classifier ces caractéristiques, une fonction d’activation adaptée est proposée. Testée sur des données suivant une loi de Rayleigh en imagerie SAR, cette approche améliore la performance en présence de peu d’exemples d’entraînement ou de labels bruités, notamment lorsque les informations classifiantes ne suivent pas une distribution gaussienne.

260. Tracking Multi-Modulated Periodic Sources for Rotating Machines Diagnostic Yousfi Nacer, Abed-Meraim Karim, Leiber Maxime, Elbadaoui Mohammed. p. 1037-1040 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce travail introduit une nouvelle approche pour récupérer les composantes périodiques des signaux multi-modulés. Nous proposons un algorithme des moindres carrés alternés conçu pour la récupération des signaux périodiques dans des conditions stationnaires. L'estimation initiale de cet algorithme est obtenue en appliquant une régression linéaire sur une forme linéarisée du modèle de signal. De plus, les amplitudes des sources variant dans le temps (généralement associées à l'apparition de défauts) sont mises à jour de manière adaptative à l'aide d'une technique de descente de gradient. Les résultats de simulation montrent que notre approche est efficace, atteignant la borne inférieure de Cramér-Rao. Nos travaux actuels présentent des résultats prometteurs basés sur des données expérimentales issues des signaux de vibration d’un engrenage planétaire, permettant ainsi de décomposer efficacement le signal afin de localiser et suivre la dégradation de l'engrenage défectueux.

261. Diversification des Données pour l’Identification d’Empreinte RF Alice Chillet, Robin GERZAGUET, Karol Desnos, Paul Bazerque, Erwan Nogues, Matthieu Gautier. p. 1041-1044 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce papier propose d’améliorer l’identification par empreinte Radio Frequence (RF) quelques soit l’environnement de propagation en diversifiant les données transmises. Une empreinte RF est une signature unique créée par les distorsions des différents composants matériels du dispositif radio. L’identification par empreinte RF est principalement basée sur des techniques d’apprentissage supervisées Deep Learning, qui nécessitent une Base De Données (BDD) d’entraînement permettant un apprentissage robuste. La conception de cette BDD étant chronophage, nous proposons d’ajouter la diversité aux données pour accélérer jusqu’à 16 fois le temps d’acquisition des données par rapport à la diversité de canal.

262. Geometric calibration in X-ray fluorescence computed tomography using opposite-detector consistency conditions Meo VAN DUIJNEN MONTIJN, Jérôme LESAINT, Jean Michel LÉTANG, Simon RIT. p. 1045-1048 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

De nouvelles conditions de cohérence des données (DCC) adaptées à la tomographie par fluorescence X (XFCT) et intégrant explicitement l’auto-absorption sont introduites. Ces DCC permettent d’estimer le centre de rotation à partir d’une seule paire de projections séparées d’un demi-tour et acquises par deux détecteurs opposés. Elles permettent une compensation partielle d’un déplacement rigide de l’échantillon. Cette méthode de calibration est analytique et ne nécessite aucun marqueur.

263. Fitting a Homography to Observations of Its Differentials ISMAIL BENCHEIKH, Dunitz Max, d’Autume Marie, Meinhardt-Llopis Enric, Pic Marc, Facciolo Gabriele, Musé Pablo. p. 1049-1052 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Résumé – Cet article propose une méthode d’estimation d’homographie basée sur des textures auto-rectifiantes, exploitant l’auto-corrélation pour se passer de points de repère explicites. Les pics d’autocorrélation locaux permettent d’estimer les transformations affines, puis de reconstruire l’homographie globale. La solution, robuste aux occultations et discrète, s’adapte à des usages comme la stéganographie ou la vision par ordinateur. Abstract – This paper proposes a homography estimation method using self-rectifying textures, leveraging autocorrelation to avoid explicit key points. Local autocorrelation peaks are used to estimate affine transformations, then reconstruct the global homography. The approach, robust to occlusions and unobtrusive, suits applications such as steganography or computer vision.

264. Classification non supervisées d'acquisitions hyperspectrales codées: quelles vérités terrain? Trung-Tin Dinh, Hervé Carfantan, Antoine Monmayrant, Simon Lacroix. p. 1053-1056 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons une méthode de classification non supervisée exploitant un nombre réduit d’acquisitions codées issues d’un imageur hyperspectral de type DD-CASSI. Partant d’une modélisation simple de la variabilité spectrale intra-classe, cette approche permet d’identifier des classes et d’estimer des spectres de référence malgré une compression par un facteur dix des données. Nous mettons en évidence ici les limites des vérités terrain couramment utilisées pour évaluer ce type de méthode : absence de définition claire de la notion de classe, forte variabilité intra-classe, voire erreurs de classification. À partir de la scène Pavia University, nous montrons qu’avec des hypothèses simples, il est possible de détecter des régions spectralement plus cohérentes, ce qui souligne la nécessité de repenser l’évaluation des méthodes de classification, notamment dans les scénarios non supervisés.

265. Estimation temps réel de la cadence de pagayage par autocorrélation glissante de signaux de force Souébou Bouro, Mickaël Le Gentil, Antoine Courtay, Olivier Berder, Guillaume Nicolas, Nicolas Bideau. p. 1057-1060 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La cadence de pagayage est l'un des indicateurs essentiels pour l’analyse de la performance en kayak, mais son estimation en temps réel reste peu abordée par les systèmes embarqués actuels. Cette contribution propose une méthode robuste d’estimation de la cadence à partir du signal de force mesuré sur la pagaie. L’approche repose sur une fonction d’autocorrélation adaptée (ACF), appliquée à un signal prétraité et fusionné, et offre un compromis entre précision, efficacité énergétique et robustesse face aux variations individuelles. Validé sur ergomètre, le système, léger et ergonomique, présente une bonne corrélation avec les références mesurées, confirmant son potentiel pour une analyse de la performance en conditions réelles.

266. Attention metrics comparison in RGB and Event data Lika Ambrosishvili, Gnouyadou Romaric MAZNA, Dalia Hareb, Jean Martinet. p. 1061-1064 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente une étude de plusieurs mécanismes d’attention dans les données RGB et événementielles, en mettant l’accent sur les métriques d’évaluation de la performance. Nos résultats montrent que les résultats peuvent varier considérablement en fonction de la métrique d’évaluation. Nous notons également que, bien que l’attention cognitive (déscendante) reste relativement stable à travers les modalités, l’attention visuelle (ascendante) est fortement influencée par des indices perceptuels propres à chaque format. Ces résultats mettent en évidence la nécessité d’une exploration rigoureuse dans le choix des métriques d’évaluation lors de la conception des mécanismes d’attention, dépendamment des applications.

267. Détection non supervisée d'aiguilles en échographie 3D avec une représentation neuronale implicite Lukmán El Hadi, Mathilde Monvoisin, Diana Mateus. p. 1065-1068 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce travail présente une méthode de détection non supervisée d'aiguilles en échographie 3D basée sur le modèle DRUID, une représentation neuronale implicite (RNI) qui permet la compression, et l'amélioration de la qualité de volumes échographiques 3D. DRUID est utilisé pour reconstruire un volume à partir de données ultrasonores. Des métriques de similarité telles que la MSE et le SSIM sont exploitées pour identifier les intensités anormales, corrélées à la présence d'aiguilles. Une stratégie de décision sur la présence d'aiguille est également proposée et évaluée, permettant d'atteindre jusqu'à 100% en sensibilité et en précision.

268. Détection de Voies à Faible Consommation avec SNN sur SPECK Crescenzo Edoardo Mauriello, Hugo Bulzomi, Jean Martinet, Yuta Nakano. p. 1069-1072 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La détection des voies de circulation est une tâche cruciale dans l’industrie automobile, constituant un élément fondamental et critique pour la sécurité des systèmes de conduite autonome. Au fil des ans, de nombreuses approches ont été proposées, la plupart reposant sur des réseaux neuronaux convolutionnels (CNN) traitant des images RVB. Bien que ces méthodes permettent d’obtenir une précision et une robustesse élevées, elles se heurtent à des exigences importantes en matière de calcul et d’énergie, ce qui les rend inadaptées à un fonctionnement en temps réel sur des systèmes embarqués à faible consommation d’énergie. Dans ce travail, nous explorons une approche alternative légére, frugale qui s’appuie sur le matériel neuromorphique et les réseaux convolutionnel neuronaux Spiking (SCNN) optimisé pour le déploiement sur la puce neuromorphique SPECK. Nous démontrons que la détection de voies peut être effectuée avec une consommation d’énergie de seulement 12mW soit deux ordres de grandeur de moins que les modèles d’apprentissage profond conventionnels. Au-delà des performances expérimentales, nous discutons également de l’intégration de notre approche dans l’écosystème neuromorphique actuel. Nous présentons les limitations rencontrées avec la carte SPECK, notamment en termes de contraintes de mémoire, de latence d’inférence et de support logiciel. Cette analyse met en lumière les défis et opportunités liés à l’usage de matériel neuromorphique pour des tâches de perception embarquée, et souligne son potentiel pour les véhicules autonomes de prochaine génération

269. Estimation non supervisée de surfaces pour l'acquisition adaptative de tissus biologiques en microscopie de fluorescence Frédéric Galland, Loïc Le Goff. p. 1073-1076 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous avons récemment proposé une stratégie d'acquisition adaptative en microscopie de fluorescence pour l'imagerie des tissus biologiques organisés sous forme de monocouches de cellules. A partir d'un faible nombre d'acquisitions aléatoires, l'approche consiste à estimer la surface sur laquelle ces cellules sont distribuées, permettant ensuite de concentrer l'illumination autour de la surface d'intérêt. Nous montrons dans cet article qu'il est possible de définir un cadre théorique rigoureux fondé sur le principe du MDL (Minimum Description Length), permettant d'estimer de manière non supervisée l'ensemble des paramètres de ce problème, aussi bien ceux liés à la paramétrisation de la surface que ceux liés aux inhomogénéités spatiales d'intensité.

270. Inventaire Automatisé des Poteaux et Conducteurs de Distribution Électrique Basé sur la Reconnaissance de LiDAR Terrestre Louis-Alexandre Leclaire, Philippe Massicotte, Guillaume Houle, Mohamed Gaha, Christian Buteau. p. 1077-1080 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les environnements forestiers posent des défis uniques pour l’inventaire et la gestion des réseaux de distribution électrique. Cet article présente une méthode de géolocalisation automatisée des poteaux et conducteurs de distribution en utilisant la classification de données LiDAR (nuages de points). Notre approche offre une solution simplifiée pour la surveillance des infrastructures électriques. Les résultats expérimentaux montrent que notre méthode identifie 85% des poteaux en forêt dense sans intervention humaine, soulignant le potentiel des algorithmes en intelligence artificielle pour améliorer la gestion des infrastructures électriques et ouvrant la voie à des applications plus larges en télédétection et en maintenance des utilités électriques.

271. Reconstruction tomographique par représentation neuronale implicite de volumes régularisée pour la microscopie électronique Gauthier Multari, Julie Digne, Nicolas Bonneel, Voichita Maxim, Sébastien Valette. p. 1081-1084 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La tomographie électronique permet l’analyse des matériaux en 3D à l'échelle nanométrique. Mais des contraintes mécaniques limitent la plage d'angles d'acquisition à environ 120 degrés. Ceci conduit à des artefacts d'élongation lors de l'utilisation de méthodes de reconstruction tomographiques classiques. Ce travail propose d'utiliser une représentation implicite du volume encodée dans un réseaux de neurones. Nous montrons que cette méthode est moins sujette aux artefacts d'angles manquants et proposons une régularisation de type Variation Totale pour améliorer la reconstruction.

272. Réinterprétation des modèles génératifs de diffusion Denis Duval, Agnes Desolneux. p. 1085-1088 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les méthodes de l’état de l’art pour la génération d’images se basent pratiquement toutes sur l’apprentissage profond, c’est le cas en particulier des modèles de diffusion. Ces modèles sont capables de générer des images de haute qualité, fidèles à la loi des données d’entrainement. Cependant, ces modèles sont des boîtes noires du point de vue de l’humain : il est difficile d’expliquer quelles décisions le modèle prend et pourquoi. Dans ce travail, nous proposons une analyse théorique de la créativité des modèles de diffusion DDPM en les réinterprétant comme une version modifiée du célèbre algorithme de synthèse de texture de Kwatra et al. Nous montrons que sous certaines hypothèses, inverser un processus de diffusion est aussi simple que de faire des "copier-coller" de patchs des images d’entrainement.

273. Impact de la transformée de Keystone sur la détection de cibles radar Hind AIT TALEB, Abigael TAYLOR, Valentine WASIK, Yassin EL HILLALI. p. 1089-1092 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La transformée de Keystone (KT) est une méthode utilisée pour corriger la migration distance des cibles en mouvement sans connaissance a priori de leur vitesse. Cette méthode repose sur une transformation temporelle via l'interpolation de la compression d'impulsions dans le domaine spectral. L'article montre que l'interpolation modifie la distribution de bruit et entraîne une variation de sa variance. Une expression théorique de cette nouvelle variance est proposée, en accord avec les simulations. Ne pas considérer cette variation dans l'algorithme de détection des cibles peut dégrader la performance de détection, étant donné que la distribution de bruit n'est pas uniforme sur la carte distance-Doppler à la sortie de la KT.

274. Descente de gradient généralisée avec un coût de transport optimal. joël Garde, Olivier Fercoq. p. 1093-1096 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

On étudie l’extension de la descente de gradient miroir aux mesures de probabilité grâce à une interprétation du pas miroir en terme de $c$-concavité et un passage aux mesures par la formule duale de Kantorovich. L'étude est motivée par une application aux problèmes inverses de localisation de sources.

275. Apport des Descripteurs Visuels à la Détection d'Images Générées par IA Abderrezzaq SENDJASNI, Mohamed-Chaker LARABI. p. 1097-1100 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cette étude examine le défi croissant de distinguer les images naturelles des images générées par l'intelligence artificielle (IA). En explorant trois descripteurs visuels distincts, MSCN (statistiques des scènes naturelles), CLIP (embeddings sémantiques) et M-LBP (caractérisation de textures), nous évaluons leur efficacité individuelle et combinée dans la classification d'images. Les résultats montrent que l'intégration de ces descripteur améliore les performances. Cette recherche souligne l'importance de combiner des caractéristiques complémentaires pour améliorer la distinction entre images naturelles et synthétiques, fournissant une base pour le développement futur d'outils de détection des médias synthétiques.

276. Approche multimodale pour le diagnostic de la maladie de Parkinson : IRM anatomique et EEG Annaëlle Jacob, Johanne bezy-wendling, Zheng Fang, Amar Kachenoura, Ahmad Karfoul, Laurent Albera, Paul Sauleau, Régine Le Bouquin-Jeannès. p. 1101-1104 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le diagnostic de la maladie de Parkinson est aujourd’hui basé principalement sur la présentation symptomatique telle qu’évaluée en clinique ; il est donc important de dégager des biomarqueurs quantitatifs pour caractériser cette maladie. Dans cet article, nous proposons de combiner des données issues d’IRM anatomique et de signaux EEG. Les caractéristiques extraites proviennent de l’analyse de texture pour l’IRM et de mesures de connectivité effective à partir de sources reconstruites en profondeur pour l’EEG. Avec l’analyse discriminante linéaire, nous obtenons pour une classification binaire entre sujets sains et sujets parkinsoniens une précision de 100% pour les deux modalités combinées, contre 73,08% pour l’IRM seule et 96,10% pour l’EEG seul. Ces résultats soulignent la pertinence d’une approche multimodale.

277. Reconstruction de matrices de covariance basée sur des autoencodeurs variationnels débruiteurs pour l'estimation de la direction d'arrivée Gabriel Valenti, Moctar Mouhamadou, Cyril Decroze. p. 1105-1108 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’estimation de la direction d’arrivée (DoA) est une tâche importante en traitement du signal, notamment dans les domaines du radar, de l’acoustique et des communications. Cet article propose une nouvelle approche combinant des techniques d’apprentissage profond et l’algorithme MUSIC (Mltiple Signal Classification) afin d’améliorer l’estimation de la direction d’arrivée pour les réseaux linéaires uniformes (ULA). Nous proposons de reconstruire la matrice de covariance du réseau à partir de la matrice de covariance empirique des échantillons, en utilisant un autoencodeur bêta-variationnel densément connecté. Cette méthode permet d’améliorer la localisation des cibles dans des conditions de faible rapport signal sur bruit (SNR), en appliquant l’algorithme MUSIC à la matrice de covariance ainsi reconstruite. La méthode proposée surpasse les estimateurs traditionnels tels que MUSIC.

278. Algorithme EM stochastique pour modèles d'espace d'états linéaires en bruits impulsifs : application à la radio interférométrie Nawel Arab, Isabelle Vin, Mohammed Nabil El Korso, Pascal LARZABAL. p. 1109-1112 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les modèles d’espace d’état constituent un cadre rigoureux pour analyser l’évolution temporelle de processus latents à partir d’observations bruitées. Toutefois, l’hypothèse classique d’un bruit de mesure gaussien se révèle inadéquate lorsque les observations présentent des valeurs aberrantes, comme celles générées par les interférences radiofréquences en radio-interférométrie. Dans cet article, nous modélisons le bruit de mesure à l’aide d’une famille de distributions à queues lourdes, structurée par une hiérarchie à texture latente, conçue pour prendre en compte la nature impulsionnelle des interférences. Nous proposons ensuite une méthode d’estimation fondée sur un algorithme d’espérance–maximisation stochastique, dans lequel l’étape d’espérance est approximée par échantillonnage Monte Carlo de la texture latente, rendant l’inférence tractable. Par ailleurs, une mise à jour régularisée par une pénalisation \( \ell_1 \) est introduite à l’étape M afin de promouvoir la parcimonie des états latents. L’efficacité de la méthode est démontrée sur des données synthétiques d’imagerie radio-interférométrique contaminées par de fortes interférences, montrant des gains significatifs en termes de qualité de reconstruction et de robustesse par rapport aux méthodes de référence basées sur l’EM gaussien ou le lisseur de Kalman.

279. Détection des petits objets dans les images aériennes et satellitaires : le suréchantillonnage et la distillation suffisent Abdelbadie Belmouhcine, Alexandre Bravo, Minh-tan PHAM. p. 1113-1116 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

En télédétection, en raison de la distance entre la caméra et les objets, beaucoup de ces derniers apparaissent très petits et deviennent indistinguables après le sous-échantillonnage, ce qui rend la détection plus difficile. Cependant, éviter le sous-échantillonnage augmente considérablement le coût computationnel du réseau lors de l'inférence. Pour résoudre ce problème, au lieu de s'appuyer sur des images de haute résolution ou sur la super-résolution qui est coûteuse en termes de calcul, nous proposons une approche d’entraînement à double réseau, où l'un effectue un suréchantillonnage tôt tandis que l'autre le fait tard. En utilisant la distillation des connaissances, nous transférons les informations du détecteur à suréchantillonnage précoce vers le détecteur à suréchantillonnage tardif, améliorant ainsi la représentation des caractéristiques tout en maintenant l'efficacité computationnelle lors de l'inférence. Nos expériences sur cinq jeux de données d'objets petits montrent que le suréchantillonnage tardif et la distillation des connaissances améliorent la détection des petits objets.

280. Convergence en temps long d'une méthode d'optimisation par consensus Victor Priser, Pascal Bianchi, Dragomie Radu-Alexandru. p. 1117-1120 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article étudie un algorithme à particules d'optimisation globale d'ordre 0 pour une fonction non convexe f. En particulier, l'algorithme proposé est une variante de l'algorithme de Consensus-Based Optimization (CBO). Contrairement aux autres approches existantes qui se concentrent sur une fenêtre finie, nous nous intéressons à la convergence en temps long. L'étude de cet algorithme est menée d'abord dans le cadre de la limite de champ moyen, où nous montrons la convergence en temps long vers la mesure de Dirac centrée sur le minimiseur. Dans un second temps, nous démontrons la convergence, à nombre fini de particules, en temps long, vers un ensemble de mesures se concentrant autour du minimiseur de f.

281. Méthode comprimée et distribuée de factorisation pondérée en matrices non-négatives pour les matrices de grande dimension Matthieu PUIGT, Asmae EL HYANI, Kinan ABBAS, Gilles ROUSSEL, Guillaume CARON. p. 1121-1124 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La factorisation pondérée en matrices non-négatives (WNMF) permet de factoriser une matrice de données tout en tenant compte de la confiance en chaque point de donnée. Lorsque les poids ne sont pas binaires, la plupart des méthodes proposées pour la WNMF sont peu adaptées au traitement de matrices de données volumineuses. Dans cet article, nous nous attaquons à ce problème en proposant une approche comprimée (par projections aléatoires) et distribuée de WNMF. Les projections aléatoires font partie des principales techniques pour accélérer le traitement de données de grande dimension. Elles ont été combinées à la WNMF dans un formalisme EM qui nécessitent certains calculs qui pourraient ne pas tenir dans la mémoire. Dans cet article, nous proposons une technique qui ne nécessite pas de tels calculs et qui permet de mettre à jour les facteurs matriciels de manière distribuée.

282. Apprentissage par transfert entre images aériennes actuelles et historiques par un modèle génératif adapté à la segmentation sémantique du couvert arboré Thierry Gaubert, Valentine Bellet, Yousra Hamrouni, Thierry Feuillet, Déborah Birre, David Sheeren. p. 1125-1128 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les problèmes d’apprentissage supervisé nécessitent des données annotées en quantité importante. L’adaptation de domaine permet de transformer les données d'entraînement d’un problème analogue en des données utilisables pour un problème ciblé et pallier le manque éventuel de données annotées. Cette étude propose de réaliser l’adaptation de domaine entre images aériennes actuelles acquises dans les années 2010-2020 et des images aériennes historiques produites autour des années 1950, afin d'entraîner un algorithme de segmentation sémantique pour cartographier le couvert arboré passé en France métropolitaine. L’objectif est de réaliser l’adaptation de domaine avec un modèle génératif de type CycleGAN adapté à la tâche de segmentation sémantique, et d’évaluer son apport sur les performances de segmentation des images historiques par rapport à d’autres méthodes d’adaptation de domaine. Les deux tâches d’adaptation et de segmentation sémantique sont couplées afin d’obtenir des données appropriées au problème ciblé de la détection du couvert arboré. Les résultats obtenus mettent en évidence deux apports du couplage des tâches. Premièrement, le modèle génératif converge plus rapidement vers la production d’images vraisemblables. Deuxièmement, les résultats de segmentation sont plus pertinents lorsque l’apprentissage des deux tâches sont couplées en comparaison avec l’apprentissage successif. Toutefois, les performances de segmentation actuelles sont bien en deçà des performances attendues en utilisant directement des images du domaine cible pour l’apprentissage de la tâche de segmentation.

283. Opérateur de translation en échelle pour les signaux à temps discret Armand MATER, Mamadou Mboup. p. 1129-1132 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous étudions ici l'opérateur de translation en échelle pour les signaux en temps discret. L'opérateur défini à l'aide de la transformation de Möbius s'applique rigoureusement pour n'importe quelle échelle. Les problèmes de mise en œuvre pratique sont abordés et présentés dans le cadre du filtrage linéaire en temps discret classique. Des illustrations sur des signaux 1D et 2D sont données. We here investigate the scale-change operator for discrete-time signals. The operator, defined using Möbius transformations, applies rigorously for any arbitrary scale. Practical implementation issues are discussed and presented within the framework of classical discrete-time linear filtering. Illustrations of 1D and 2D signals are given.

284. Apprentissage incrémental de l’opérateur de Koopman pour systèmes non-autonomes via prédiction conforme Ben Gao, Jordan Patracone, Olivier Alata, Stéphane Chrétien. p. 1133-1136 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’opérateur de Koopman permet de linéariser certaines dynamiques non linéaires via une action sur les observables, mais son extension au cas non-autonome reste un défi. Nous proposons une méthode incrémentale pour estimer cet opérateur dans un cadre non-autonome, en s’appuyant sur la prédiction conforme pour détecter automatiquement les changements de régime. Les paramètres du modèle sont ajustés uniquement lorsque la performance locale se dégrade, assurant des mises à jour parcimonieuses tout en conservant une précision comparable à l’apprentissage hors-ligne. Des expériences préliminaires sur le système de Duffing illustrent l’efficacité de notre approche.

285. Signature d’un émetteur par variance multi-échantillon du bruit rayonné Marie LECADET, Brieuc RICHARD, Abdel BOUDRAA, Jean-Jacques SZKOLNIK. p. 1137-1140 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans ce travail on s’intéresse au problème du bruit émis par un émetteur en vue de sa caractérisation. En effet, les différentes classes de bruit, dominantes dans telle ou telle gamme de fréquences, peuvent constituer une signature unique et sans équivoque d’un émetteur. Pour ce faire, nous utilisons la variance d’Allan combinée avec la décomposition modale empirique (EMD). La composante bruit du signal de l'émetteur est approximée par la somme partielle des modes empiriques haute fréquence extraits par l'EMD. Nous illustrons la méthode de caractérisation proposée sur deux types d'émetteurs : un système de navigation de navires (AIS: Automatic Identification System) et un AUV (autonomous underwater vehicle), et nous analysons les résultats de caractérisation de ces émetteurs.

286. Stratégie de co-conception pour les systèmes d'optique adaptative : application à l'optimisation des longueurs d'onde pour l'observation de satellites Florian Cheyssial, Laurent MUGNIER, Cyril Petit. p. 1141-1144 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'optique adaptative est utilisée pour atténuer les effets de la turbulence atmosphérique sur les systèmes d'imagerie, mais la correction n'est que partielle et la déconvolution est souvent nécessaire pour améliorer la résolution. Il en résulte des systèmes complets opto-numériques, qui sont traditionnellement conçus de manière séquentielle, i.e. le système d'optique adaptative est optimisé dans un premier temps et les algorithmes de restauration dans un second. Des études sur les systèmes opto-numériques ont montré qu'optimiser conjointement l'ensemble du système était une meilleure alternative. Nous proposons d'étendre ces stratégies de co-conception à la conception d'un système d'imagerie assisté par optique adaptative. Nous dérivons un critère simple qui prend en compte les propriétés de la source et la performance de l'ensemble du système opto-numérique. Afin d'illustrer son intérêt, nous l'utilisons pour optimiser la répartition du flux entre l'analyseur de front d'onde et la caméra d'imagerie. Par la suite, n'importe quel paramètre du système opto-numérique, et même le système complet, pourrait être optimisé de cette manière.

287. Approche algébrique pour la décomposition tensorielle ParaTuck-2 Konstantin Usevich. p. 1145-1148 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous proposons un premier algorithme explicite (algébrique) pour la décomposition ParaTuck-2 des tenseurs d'ordre 3. Notre approche repose sur un plongement des tranches du tenseur dans un espace de dimension élevée, ce qui permet aussi d'améliorer les conditions d'unicité existantes. Notre méthode réduit la décomposition ParaTuck-2 au calcul des noyaux et des décompositions en valeurs propres des matrices. Nos algorithmes sont également applicables dans le cadre de l'approximation, comme le montrent les expériences numériques

288. Utilisation de la théorie des signatures dans la construction d’hypergraphes dynamiques pour des signaux multi-dimensionnels. Remi Vaucher, Stéphane Chrétien, Paul Minchella. p. 1149-1152 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Depuis quelques années, la détection d’anomalie a pris une place prépondérante en traitement du signal. Ces anomalies peuvent prendre des formes très variées, et sont souvent difficiles à mettre en évidence par des principes généraux. Dans le présent travail, nous nous intéressons à des signaux multidimensionnels et cherchons quelles sont les interdépendances entre ces signaux. Motivés par les récentes avancées en Analyse Topologique des Données, nous proposons une nouvelle méthode pour inférer ces interdépendances à partir de la construction d’un hypergraphe fondés sur le calcul des signatures associées à ces signaux. La théorie des signatures, outil dont on trouve l’origine dans les travaux de K.T. Chen, et développé plus récemment par Terry Lyons à partir de 2002, est un domaine actuellement très exploré en Machine Learning. Nous montrons dans le présent travail que les Signatures permettent de construire des Hypergraphes dont la structure caractérise la présence d’une possible anomalie.

289. Gestion de la Mobilité des Utilisateurs dans des Réseaux sans-fil de type "Cell-Free" avec Vieillissement des Canaux Ala Eddine NOUALI, Mattia Merluzzi, Jean-Baptiste Doré, Jean-Paul Jamont. p. 1153-1156 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article étudie l'association dynamique d'équipement utilisateur (UE) dans des réseaux scalables "cell-free", en considérant le vieillissement du canal et le délai du handover. Pour résoudre ce problème, nous proposons un algorithme basé sur l'apprentissage par renforcement profond (DRL). L'agent DRL ajuste dynamiquement le groupe de points d'accès (APs) pour chaque UE, en tenant compte des ressources radios limitées et les exigences de qualité de service (QoS) des UEs. Il est montré que l'agent DRL fournit une QoS favorable avec des connexions stables nécessitant un nombre limité de handovers au cours du temps.

290. Intégrer plusieurs fonctions simultanément avec des mesures de Gibbs Martin Rouault, Rémi Bardenet, Mylène Maida. p. 1157-1160 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les méthodes de Monte Carlo comme MCMC sont désormais très répandues en inférence bayésienne, mais fournissent cependant des taux de convergence lents. Motivés par la classification bayésienne, nous illustrons expérimentalement comment des points générés selon des mesures de Gibbs permettent d'obtenir de plus fins intervalles de confiance, comme conséquence de la répulsion entre les points.

291. GNN pour la classification de la gravité de l’arthrose du genou Marouane Tliba, Mohamed Amine Kerkouri, Yassine Nasser, Aladine Chetoauni, rachide jennane. p. 1161-1164 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’arthrose du genou (AG) est une maladie articulaire dégénérative courante, dont le diagnostic repose majoritairement sur l’analyse radiographique via l’échelle de Kellgren–Lawrence (KL). Les approches actuelles en deep learning utilisent des radiographies brutes, souvent perturbées par des artefacts texturaux, masquant les indices morphologiques clés. Nous proposons une méthode morphologique innovante axée sur la structure géométrique de l’articulation, simplifiant le biais inductif du modèle. À l’aide du modèle Segment Anything (SAM), nous extrayons automatiquement des repères anatomiques précis sur le fémur et le tibia. Ces points sont modélisés sous forme de graphes, où les nœuds représentent les repères et les arêtes traduisent des relations géométriques locales et globales. Un classifieur GNN basé sur EdgeConv traite ces graphes pour prédire les grades KL, en capturant efficacement les relations morphologiques inter- et intra-osseuses. Cette approche, invariante aux translations, rotations et changements d’échelle, est la première à exploiter des caractéristiques morphologiques pour l’évaluation de l’AG. Nos expériences montrent des performances de pointe sur différentes configurations de grades KL.

292. Descripteur sémantique géométrique pour le matching de points dans les applications d’odométrie visuelle Malick Kandji, Ambellouis Sébastien, Meurie Cyril, Lelionnais Cédrick, Tatkeu Charles. p. 1165-1168 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Pour des applications d'odométrie visuelle (VO) et de SLAM, nous proposons un nouveau descripteur sémantique géométrique de points d’intérêt. Ce descripteur combine des informations sur la géométrie locale et une représentation quantitative des classes sémantiques avoisinantes. Il est conçu pour être invariant au point de vue, ce qui améliore la robustesse face aux changements d’orientation et de perspective. En complément, un préfiltrage d’image est appliqué au besoin dans les régions à faible texture afin d'améliorer la détection de points. Nos expérimentations menées sur la base de données publique automobile KITTI-360 démontrent que notre descripteur améliore les performances de méthodes de référence issues de la littérature telles que ORB-SLAM2 en configuration stéréo et VO, c.-à-d., sans fermeture de boucle et optimisation globale. Par ailleurs, de par sa nature, ce descripteur sémantico-géométrique s’intègre aisément à n'importe quel type d'algorithme de VO ou de SLAM.

293. Physical Layer Authentication: A CSI-Based Approach with Information Reconciliation Atsu Kokuvi Angelo PASSAH, Chorti Arsenia, Rodrigo C. de Lamare. p. 1169-1172 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce travail étudie l’authentification au niveau de la couche physique (PLA) pour les futurs réseaux de communication sans fil. Les méthodes cryptographiques traditionnelles pourraient devenir impraticables en raison de leurs exigences en matière de calcul. PLA peut offrir une solution rentable pour les réseaux Internet des objets à faible coût. Nous proposons une technique de PLA utilisant la réconciliation d’informations basée sur des codes correcteurs d’erreurs, à la fois dans une configuration mono-utilisateur à entrées multiples et sortie unique (SIMO) et dans des configurations multi-utilisateurs SIMO. À la suite de la réconciliation, un test d’hypothèse est appliqué pour déterminer si un appareil est authentifié. Les résultats de simulation montrent que notre méthode de PLA proposée avec réconciliation surpasse largement les techniques existantes.

294. Un indice d’évaluation sans référence basé sur l’apprentissage profond pour l’évaluation de la qualité des maillages 3D colorés ZAINEB IBORK, ANASS NOURI, Olivier Lézoray, Christophe Charrier. p. 1173-1176 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cette étude, nous avons proposé une nouvelle approche pour évaluer la qualité visuelle des maillages 3D colorés sans référence, comblant ainsi une lacune importante dans la littérature. Notre méthode, CMDQA, exploite des caractéristiques profondes extraites des projections 2D des maillages et de leurs patchs, combinées à l’indice de qualité d’image sans référence BRISQUE. Grâce à des expériences approfondies sur la base de données CMDM, nous avons démontré l’efficacité de notre approche pour prédire la qualité globale et avons prouvé sa supériorité par rapport aux métriques existantes (avec ou sans référence) de l’état de l’art.

295. Une approche automatique pour la détection de la saillance visuelle sur des maillages 3D colorés Anass NOURI, Olivier LEZORAY, Zaineb IBORK, Christophe CHARRIER. p. 1177-1180 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Avec la démocratisation des systèmes d’acquisition, les maillages 3D se sont imposés comme la modalité la plus optimale pour représenter, analyser, transmettre, éditer et imprimer des contenus 3D. Tous ces processus ont un point en commun : les observateurs humains qui visualisent le contenu 3D en aval. Pour optimiser ces différents processus, il serait judicieux et pertinent de tirer parti d’une caractéristique présente dans tous les systèmes visuels humains, à savoir la sensibilité à la saillance visuelle. Dans la littérature, très peu de travaux ont été menés sur la prédiction de la saillance colorimétrique sur des maillages colorés, par opposition à des maillages non colorés. Pourtant, l’aspect colorimétrique du contenu visuel (qu’il soit en 2D ou en 3D, statique ou en mouvement) joue un rôle clé dans l’orientation de l’attention visuelle humaine. Dans ce papier, nous proposons une nouvelle approche, ne nécessitant aucune intervention, paramétrage ou apprentissage, permettant la détection de la saillance visuelle des maillages colorés en 3D. Les résultats sont encourageants et démontrent de la nécessité de travaux plus avancés pour corréler les modèles de détection de la saillance visuelle à la perception humaine.

296. Analysis of the Stable Rank Normalization for Convolutional Kernels Zhe ZHENG, Valéry DEWIL, Gabriele Facciolo, Pablo Arias. p. 1181-1184 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

[FR]La normalisation du rang stable des couches linéaires dans les réseaux neuronaux a récemment été associée à leur capacité de généralisation ainsi qu'à la stabilité des réseaux de neurones récurrents. Cela a été appliqué aux couches non convolutionnelles. Cependant, l'application du SRN aux réseaux convolutionnels n'est pas triviale, car elle nécessite de calculer les vecteurs singuliers dominants de la matrice circulante associée au noyau. Dans ce travail, nous passons en revue les approches précédentes en soulignant certaines limitations, et nous proposons une analyse du problème, montrant qu'il est faisable pour certaines valeurs du rang stable cible. Enfin, nous proposons une approximation du problème sous la forme d'une minimisation sur une sphère. [EN]The normalization of the stable rank of linear layers in neural networks has been linked recently with their ability to generalize and with the stability of recurrent neural networks. This has been applied in practice for non-convolutional layers. However, the application of SRN to convolutional networks is not straightforward, as it requires computing the leading singular vectors of the circulant matrix associated to the convolution kernel. In this work we review previous approaches pointing out some limitations, and propose an analysis of the problem, showing that it is feasible for certain values of the target stable rank. Finally, we propose an approximation of the problem as a minimization on a sphere.

297. Classification SVM d’activités humaines acquises avec radar Claire Béranger, Alexandre Bordat, Petr Dobias, Son VU, julien Le Kernec, David Guyard, Olivier Romain. p. 1185-1188 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans un contexte de vieillissement démographique, les études pour la détection de chute chez les personnes âgées s’orientent vers l’utilisation du radar, afin d’appuyer les services cliniques et de téléassistance. Après traitements des données radar, il est possible d’obtenir un spectrogramme de l’activité enregistrée. Nous proposons d’extraire des paramètres caractéristiques (tels que l’Aire, le Périmètre ou encore l’Orientation) de la signature d’activité contenue dans le spectrogramme, en utilisant des techniques de traitement d’image. Puis, ces données sont passées en entrée d’une Machine à Vecteurs de Support (SVM) qui est plus léger que d’autres modèles d’apprentissage. Cette méthode atteint une précision de 88,85%, offrant ainsi une solution optimale, peu gourmande en ressources et présentant des performances similaires, voire améliorées vis-à-vis de l’état de l’art.

298. Origami : L’art du pliage appliqué à l’accélération des CNNs sur FPGA Leo Pradel, Rémi Garcia, Silviu-Ioan Filip, Olivier Sentieys, Daniel Chillet. p. 1189-1192 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les réseaux neuronaux convolutifs sont couramment utilisés dans les systèmes embarqués pour des applications temps réel. Cependant, les ressources matérielles limitées et les exigences de performance strictes en termes de débit nécessitent des stratégies d'optimisation efficaces. Cet article présente Origami, un outil combinant une architecture pipelinée et une méthode de pliage optimisée par programmation linéaire en nombres entiers. Cette approche améliore les performances tout en réduisant l'utilisation des ressources FPGA, avec des gains allant jusqu'à 43% de débit et 30% de ressources logiques en moins par rapport à des solutions comme FINN. Origami constitue ainsi une solution efficace pour l'accélération de CNNs en environnement contraint.

299. Inférence distribuée pour modèle de deep learning sur SoC-FPGA Mathieu Hannoun, Stéphane Zuckerman, Olivier Romain. p. 1193-1196 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'utilisation des réseaux de neurones profonds connaît une forte croissance depuis plusieurs années, accompagnée d'une forte augmentation de consommation d'énergie due à leur demande croissante en ressources de calcul. Pour atténuer leur impact environnemental et répondre aux préoccupations croissantes concernant la confidentialité des données, une tendance de plus en plus marquée consiste à traiter les données localement, à la périphérie, plutôt que de s'appuyer sur d'énormes datacenters. Les circuits reconfigurables (field-programmable gate array - FPGA), sobres en énergie et adaptés au calcul parallèle, répondent bien à ces exigences, malgré leurs ressources limitées qui restreignent la taille des DNN déployables. Cet article présente une méthodologie pour les DNN distribués sur plusieurs FPGA afin de prendre en charge des modèles qui ne sont généralement adaptés qu'à des FPGA de plus grande taille. Nous sommes en mesure de prendre en charge l'inférence d'un MobileNetV1 sur trois cartes Zedboard.

300. Recherche d’Architecture Neuronale sous Contraintes Matérielles pour un accélérateur de calcul embarqué contraint en mémoire Andrea Castagnetti, Alain Pegatoquet, Léo Bernard, Benoît Miramond, Olivier Montfort, Vincent Huard. p. 1197-1200 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous proposons une méthode de recherche d'architecture neuronale (NAS) tenant compte des contraintes matérielles, et axée sur les accélérateurs de réseaux neuronaux à mémoire locale. Notre solution est basée sur la minimisation des transferts de données vers et depuis l'accélérateur tout en maximisant le nombre d'opérations afin d'optimiser l'efficacité des calculs. Nous introduisons un espace de recherche optimisé intégré dans un algorithme NAS fournissant des réseaux neuronaux qui améliorent la latence tout en minimisant la consommation d'énergie. Ces réseaux atteignent également une meilleure précision par rapport aux architectures embarquées conçues manuellement. Nos résultats expérimentaux, réalisés sur Imagenet, montrent une amélioration de la précision de 1.3% pour une gamme spécifique de latences par rapport à différentes versions de MobileNetV2 redimensionnées manuellement.

301. La recherche en TdSI aux temps du transhumanisme Henri Maitre. p. 1201-1204 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Résumé – À travers des start-ups de la Tech et certains GAFAM, l’agenda transhumaniste a fait irruption dans les laboratoires de TdSI et d’IA, avec en étendard ses thèmes favoris : l’homme augmenté, la communication cerveau-machine, l’assistance mentale… Pour certains, cette confiance hardie dans le rôle de la Science pour sauver l’humanité est le meilleur défenseur de la Raison dans un monde qui doute de ses scientifiques. On montre ici le double visage des projets transhumanistes : d’une part un engagement très noble dans la résolution de quelques grands projets de la société, d’autre part une idéologie mortifère pour l’humanité qui l’engagera violemment dans une quête techno-solutionniste au service d’une minorité. Abstract – With the start-ups of Tech and GAFAM, the transhumanist agenda has burst into the laboratories of TdSI and IA, brandishing its favorite themes: augmented man, brain-machine communication, mental assistance ... For many, this bold confidence in the power of Science is the best guarantee of maintaining Reason in a world that doubts its scientists. Here we show the double face of transhumanistic projects: on the one hand a very noble commitment in the resolution of some great projects of society, on the other hand a mortifying ideology for mankind that will engage it violently in a techno-solutionist quest at the service of a minority.

302. Sciences du changement climatiques - un cours introductif à Télécom Paris Philippe Ciblat. p. 1205-1208 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Depuis deux ans, un cours pluridiscplinaire en première année de Télécom Paris sur les aspects physiques, mathématiques ainsi que sociétaux du changement climatique a lieu. Dans cet exposé, nous donnerons la logique de ce cours, quelques exemples de matériels pédagogiques ainsi qu'une discussion sur le retour des élèves.

303. Vers de nouvelles pratiques pédagogiques et modalités d’évaluation à l’ère de l’IA générative Eric Grivel. p. 1209-1212 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L’émergence de l’IA générative soulève de nouvelles interrogations pour les enseignants de l’enseignement supérieur, tant dans la conception des projets pédagogiques que dans les pratiques adoptées par les étudiants et les modalités d’évaluation de leurs compétences. À travers un retour d’expérience sur deux années, au cours desquelles l’usage d’outils comme ChatGPT a été autorisé dans des projets de traitement du signal menés avec des élèves-ingénieurs de niveau Bac+4, nous dressons un premier bilan sur la manière dont ces étudiants ont utilisé l’IA générative et présentons les mesures mises en œuvre pour préserver une évaluation individualisée.

304. Comment l’intelligence artificielle peut transformer les pratiques pédagogiques dans les établissements d’enseignement supérieur ? Frédéric Pascal. p. 1213-1216 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans le cadre de la mission nationale sur les impacts de l’intelligence artificielle dans l’enseignement supérieur, confiée par le Ministre de l’Enseignement supérieur et de la Recherche à Frédéric Pascal et François Taddei, avec le soutien d’Émilie-Pauline Gallié et Marc de Falco (IGESR), une vaste enquête nationale a été menée auprès des différents publics des établissements (étudiants, personnels administratifs et techniques, enseignants-chercheurs, enseignants). L’analyse de ces données, enrichie par de nombreux entretiens au niveau national et par un état des lieux international, a permis d’identifier une grande variété d’initiatives et d’enjeux. Cet exposé présentera une synthèse de ces travaux, en mettant en lumière à la fois les dimensions pédagogiques et les transformations potentielles induites par l’essor de l’intelligence artificielle, en particulier générative. Nous conclurons par la présentation de premières recommandations issues de cette mission.