Formations en Informatique de Lille
Portail pédagogique
Analyse d'Images et Vision 1
BCC 5 : Image

Pré-requis

Les pré-requis pour cette UE :

Organisation

Cette unité se déroule au S2 du Master Informatique. Il s'agit d'une UE obligatoire pour le parcours RVA.

Volume horaire : 2h00 de Cours-TD, 2h00 TD Machine, pendant 12 semaines.

Cette UE constitue un pré-requis de l'UE "Analyse d’Images et Vision 2" (Semestre 3)

Crédits

6 ECTS

Responsable

Olivier Losson


dernière modification : 28/06/2022 à 10:05:48

Objectifs

L’objectif de cette unité est de compléter la chaîne d’acquisition et de traitements bas niveau des images numériques, dont la présentation a été entamée au S1 dans le module Image (acquisition, traitements de bases). Les éléments abordés ici sont typiquement appliqués à l’annotation automatique, la classification et la fouille d’images.

Contenu

  • Représentations fréquentielles des images numériques ;
  • Descripteurs de formes, de contours, de textures et de points d’intérêt ;
  • Reconnaissance de formes.

Compétences

À l’issue de cette unité, les étudiants sauront :

  • Interpréter et exploiter le contenu fréquentiel d’une image
  • Identifier des motifs caractéristiques d’une image
  • Regrouper ces motifs dans des catégories

Bibliographie

  • A. Fernández Villán, Mastering OpenCV 4 with Python : A practical guide covering topics from image processing, augmented reality to deep learning with OpenCV 4 and Python 3.7, Packt Publishing, 2019. Disponible en ligne via Liliad.

dernière modification : 28/06/2022 à 10:05:48
Gpe Nature Horaire Salle Enseignant e-mail
Cours-TD Vendredi 13h30-15h30 P2-208 O. Losson, C. Prévost, L. Macaire
TD Machine Vendredi 15h45-17h45 P2-208 O. Losson, C. Prévost, L. Macaire

dernière modification : 28/06/2022 à 10:05:48
Cours-TD TD Machine Remarque
du 08/01 au 13/01 Transformation de Fourier d'une image Classification de textures
du 15/01 au 20/01 Formation d'images couleur et dématriçage Implantation de méthodes de dématriçage
du 22/01 au 27/01 Codage et compression d'images Compression JPEG
du 29/01 au 03/02 Détection et description de points d'intérêt Descripteurs SIFT pour la reconnaissance d'image
du 05/02 au 10/02 Attributs de forme Moments d'une forme
du 12/02 au 17/02 Codage et approximation d'un contour Codage et approximation d'un contour
du 19/02 au 24/02 Pas d'enseignement
du 26/02 au 02/03 Interruption pédagogique hiver
du 04/03 au 09/03 Segmentation d'image par classification Segmentation par classification d'attributs (1)
du 11/03 au 16/03 Attributs de texture Segmentation par classification d'attributs (2)
du 18/03 au 23/03 Décision probabiliste - Règle de Bayes Segmentation par analyse d'histogramme
du 25/03 au 30/03 Réduction de la dimension Réduction de la dimension selon le contexte d'apprentissage
du 01/04 au 06/04 Analyse discriminante Classification supervisée de données gaussiennes
du 08/04 au 13/04 Clustering Segmentation d'images de textures par clustering

dernière modification : 28/06/2022 à 10:05:48

La note finale sur 20 (N) est calculée comme la moyenne équi-pondérée des notes de TP et de DS :

N = 0.5*TP + 0.5*DS

L'unité acquise apporte 6 ECTS.


dernière modification : 28/06/2022 à 10:05:48
Le langage de programmation utilisé est python (cf. quelques indications sur la configuration de l'environnement de développement sur une machine personnelle et l'utilisation des modules).

Prétraitements et codage

Attributs

Reconnaissance de Formes

  • Semaine 9 - Décision probabiliste (Ludovic Macaire) [documents sur Moodle]
  • Semaine 10 - Réduction de la dimension (LM)
  • Semaine 11 - Analyse discriminante (LM)
  • Semaine 12 - Clustering (LM)

dernière modification : 28/06/2022 à 10:05:48