M2R IMA UE CONF Présentation
|
|
- Jean-Pascal Leclerc
- il y a 8 ans
- Total affichages :
Transcription
1 M2R IMA UE CONF Présentation L objectif de l UE «Conférences» est de : 1. Présenter des applications du traitement d images dans divers domaines industriels ou académiques. 2. Apporter des compléments de cours par rapports aux autres UE. 3. Fournir des contacts pour le stage de recherche de M2. M2R IMA UE CONF Présentation Date Intervenants Affiliation Application Compléments 20/11 Th. Bernard A. Manzanera ENSTA Rétine A 3 27/11 F. Tupin ENST Télédétection Signal / Radar 4/12 J. Delon ENST Méthodes a contrario 11/12 V. Bouatou Sagem Biométrie 18/12 B. Collin DGA Défense Evaluation 8/1 F. Schmitt ENST Art / Archéologie Imagerie 3d 15/1 Ph. Starck CEA Astrophysique Multi-échelles 1
2 Traitement d images sur Rétine Programmable Antoine Manzanera ENSTA / Lab. d électronique et d informatique Plan de la présentation Contexte et objectifs de la recherche Rétine : aspects combinatoires Liens avec la morphologie mathématique Recherches actuelles et perspectives 2
3 Objectif global de la recherche L objectif est la minimisation globale du coût computationnel des systèmes de vision. Ce coût se traduit en termes de : - Temps de calcul - Energie consommée - Encombrement matériel D autre part, il se répartit dans les différentes fonctions du système : - Calcul - Transfert de données - Contrôle Aujourd hui la principale source de coût computationnel pour les systèmes de vision réside dans l accès aux données. L objet principal des rétines programmables est de réduire au strict minimum le transfert de données. L enjeu réside donc dans le développement de systèmes de vision embarqués, donc temps-réel, de petite taille et à longue autonomie. Traitement Acquisition + Traitement d images bas et moyen dans niveautraitement le plan focal haut (x,y) niveau TRAITEMENT PLAN FOCAL CALCULATEUR EXTERNE Σ 3
4 Phototransduction Les rétines programmables Conversion Traitement analogique Traitement numérique A/N séquençage est Le ProgramMultiple modèle un modèle de fonctionnement de type SIMD(Single de la rétine Instruction numérique Multiple en tant Data)ou que machine SPMD(Single parallèle, La rétine Bus Data). programmable, machine parallèle d instruction synchro. pgm1 synchrone logique séquentielle synchro. p séquençage as de pgm2 asynchrone logique combinatoire 4
5 Pvlsar 2004 (Th. Bernard 2005) Rétine booléenne SIMD 200x200 AMS 0,35 µm Système de vision à base de + Architecture hétérogène. rétine hybride. synchrone asynchrone + Fusionacquisition/traitement. numérique analogique 5
6 Processeurs pixelliques booléens BU x 1 x 2 x 3 x 4 x 5 x 6 y 1 y 2 y 3 y 4 y 5 y 6 y 7 y 8 Mémoire : -Données (RAM) - Calcul (registres) Le processeur pixellique de Pvlsar 34 et son unité booléenne Le réseau de processeurs pixelliques et sa topologie 4-connexe Plan de la présentation Contexte et objectifs de la recherche Rétine : aspects combinatoires Liens avec la morphologie mathématique Recherches actuelles et perspectives 6
7 Aspects combinatoires y 1 y 2 y 3 y 4 y 5 y 6 y 7 y 8 BU x 1 x 2 x 3 x 4 x 5 x 6 Avec cette architecture, on peut représenter les données manipulées par la rétine comme un ensemble de n plans (images) binaires. Les instructions élémentaires sont alors : - Une opération booléenne binaire : p i = p j p k ; p i = p j p k ; / -Une translation élémentaire : p i = p j EST ; p i = p j NORD ; / Le problème algorithmique revient à : calculer une certaine fonction booléenne d un support (voisinage) donné, en effectuant le moins d opérations possible (temps), et en utilisant le moins de registres mémoire possible (espace). C est en grande partie un problème de minimisation booléenne, il est donc tentant de voir ce qu on peut obtenir avec les décompositions canoniques p 1 p 2 p x8x9 x4x5x6x7 3 p n-1 p n z x 1x2x3 f(,..., x1n x) z=. fx jkkjk Forme disjonctive α ( ) )=.... tn Au (n plus 2 On2) n.... xn x (1,... C=3 y~ jx =j jy ii z = x8x9 x4x5x6x7 zy x 1x2x3 monômes de n variables p 1 p 2 p 3 Cen= Nombre max d opérations (temps) Nombre max de registres mémoire (espace) 7
8 fx,... xn) x1f xn) x Expansion de Shannon C 13 = 2) f(0,,x n ) f(1,,x n ) = 21+ x 1 = 1+ f x) ( ) ( ) ( 1 (0,... 1(1,... n CenCen tnctn Cen=O(n tno(n C= ) récursion 2k Diagramme de décision binaire 22n k k n-k nombre de variables x 1.. Au niveau de récursion k, on calcule 2 k fonctions à (n-k) variables. CenO(n 22n/ )) tn= Le BDD provient de la compaction de l expression produite par l expansion de Shannon. C=. x 1 Or, il «n y a que» 2 2n-k fonctions à (n-k) variables. (On prend k = log(n-log n)) 8
9 Conclusion sur les formes canoniques Si l on considère les bornes sup de complexité fournies par les formes canoniques, ça ne se passe pas très bien, d autant qu un résultat dû à Shannon (1949) montre que la plupart des fonctions booléennes à n variables doivent avoir une complexité supérieure à 2 n /n : Ensemble des fonctions à n variables de complexité inférieure à 2 n /n Card(F(n, 2 n /n)) = o(card(b n )) Ensemble des fonctions à n variables. Oui, mais : (1) Les fonctions intéressantes sont peut-être dans F(n, 2 n /n). (2) La décomposition spatiale nous permet de réduire n. La décomposition spatiale Exemple : un unique opérateur associatif La décomposition spatiale exploite la géométrie du support de la fonction booléenne pour factoriser spatialement la fonction booléenne. On va illustrer ce principe dans 2 fonctions particulières : - Les fonctions seuil binaires. - Les squelettes par amincissement. 9
10 Tnk( x1,..., xn) 1ii nxk Les fonctions seuil binaires Les fonctions seuil binaires sont définies comme suit : Calculées sur un support carré, elles se décomposent T3 1( x1, xceop. 2, x3) =2 31 spatialement de façon très 2x1x2x3 T32( x1, x2, x3) ( xct 31Ceop. ( x 12) x( 2) x31( x 32) x( 3x) 2x3) 3 efficace : 4 T3 3( x1ct, xceop. 2, x3) 3x21x2x3 T T = = T3= T3= T3= T3= T3= T3= = =1 Ct(1) (1) (2) T3 (2) 2 (3) (3) =2 W.E 31 T32 N.S W.E T3 2 T31 T9 T 2 dilatation morphologique binaireérosion morphologique binaire Application aux images binaires ouverture Imorphologique binaire1fermeture () morphologique binaire9( ) 9 I Tδ = 9 I Tε = filtre majoritaire 95( I) Tµ = ( I) (( I)) γ =δ ε I ϕ =ε δ ()(( I)) contours binaires ()\(( I)) µ Iµ ε 10
11 loi Calcul des P-simplicité8-connexe FN squelettes + par amincissement Isotropie Algorithme MB1 d évolution loi P-simplicité8-connexe FN FN Isotropie + Algorithme MB2 \ d évolution \ NE. calcul intérieurs points des calcul de la NEWS.NEWS E4 calcul config. de NWSENESW la E4.NE calcul config. de la Calcul des squelettes par amincissement E4.WS.N β α1 \\\\ ENWN α α2.swne SW. avec Algorithmes parallèles α= α1, on α2, en obtient complètement on 8-connexité obtient MB1-8. MB2-8. : MB1-8 MB2-8 et \ \ β α β α1 config. α 1 \\\\ 2.NESWSE NB : grâce à la factorisation spatiale, la complexité de certaines fonctions peut être inférieure au cardinal de leur support. 11
12 Calcul des squelettes Implantation des algorithmes MB1-8 et MB2-8 sur le prototype PVLSAR 2.2 temps à 10 de MHz calcul MB1 : 0,4 msmb2 0,7 ms Plan de la présentation Contexte et objectifs de la recherche Rétine : aspects combinatoires Liens avec la morphologie mathématique Recherches actuelles et perspectives 12
13 VsV Fusion T1 acquisition-traitement T7 t Procédé d acquisition numérique par interrogation multiple du photocapteur au cours du temps Acquisition active : Adaptation à l éclairement Compression logarithmique Contrôle de gain et par composition/différence Calcul des filtres de rang dilatation morphologique δ(i) gradient morph. : Image bruitée I filtre médian µ(i) ouverture morph. δ(ε(i)) µ(ι) ε(µ(i)) érosion morphologique ε(i) fermeture morph. ε(δ(i)) laplacienmorph. ε(µ(i))+δ(µ(i))-2µ(i) Les filtres de rang en niveaux de gris se calculent aisément pendant l acquisition par application des fonctions seuil binaires sur les ensembles de niveaux. T91 T95 99 T 13
14 Calcul des points d intérêt morphologiques somme Pour chaque ensemble de niveau : endo-squelette 8-connexe (courbure positive) points extrêmes Fonction d intérêt : produit de la courbure par le module du gradient. Maxima locaux exo-squelette 4-connexe (courbure négative) (Thèse Julien Richefeu 2002) points d intérêt Opérateurs connexes et asynchronisme Le coût énergétique de certains opérateurs irréguliers, la reconstruction en particulier peut être très élevé sur la rétine SIMD, dans la mesure ou l opérateur de relaxation (dilatation + MIN) agit sur quelques pixels seulement. Le calcul asynchrone du MAX associé à une topologie programmable permet de réduire de manière drastique ce coût en limitant la consommation aux pixels utiles. 14
15 Opérateurs connexes et asynchronisme Un autre exemple de l utilisation de la reconstruction asynchrone : élimination des courbes ouvertes dans une image filaire (calcul du squelette par zone d influence). (1) Déconnexion des points triples. (2) Reconstruction à partir des points simples. Calcul de somme régionale sur rétine asynchrone D autres primitives régionales peuvent bénéficier de l asynchronisme, comme le calcul de la somme sur les régions (composantes connexes). Calcul de l arbre recouvrant suivi du calcul dichotomique de la somme par propagation de la parité. (Thèse Valentin Gies 2003) 15
16 Segmentation Filtrage horizontal h x y topologique des images Filtrage vertical (domaine temporel) (domaine spatial) Original Watershedbrute Couple opposition de watersheden phase Résultat Plan de la présentation Contexte et objectifs de la recherche Rétine : aspects combinatoires Liens avec la morphologie mathématique Recherches actuelles et perspectives 16
17 It-1 It It+1 Détection de mouvement par estimation Σ tvt Mt (1) (2) Si Mt> Mt< Italors Mt= Mt-1; Mt+ 1; Dt t= Vt> Vt< It Mt K. talors ; Le occupés correspond Occupation mémoire (3) Si t> VtalorsDt= Vt= 1; Vt+ Vt-1; 1; utilisés bitssupplémentaires nombre Coût des pour par à de bits primitives les les 3 images. calculs. données 2 de calcul sont (4) sinon 0; comparaison incrément différence de limitent Si Kest 2, les à : une primitives / absolue décrément puissance se Estimation, poursuite, recalage Poursuite d objets par modéles actifs Estimation du mouvement et poursuite Mise en correspondance des structures d intérêt dans une séquence d image. 17
18 OBJECTIF : Etablir le lien entre les techniques de traitement statistique et les primitives d intégration et de Thèse de Nicolas Burrus (déb. 2005) réduction d informations de la rétine (sommateur analogique en particulier). «Détection d événements visuels saillants avec opérateurs rapides de réduction d information» Exemple : Contrôle de l acquisition Détection de segments significatifs (cicontre) Détection de segments significatifs Pour chaque direction, un ensemble de candidats est calculé. Chaque segment est réduit à un représentant. L ensemble des représentants est filtrée au sens d un critère a contrario, puis reconstruit. 2 critères a contrario ont été utilisés : -1 critère basé sur la longueur, fondé sur le principe d Helmoltz : on mesure le nombre de points blancs N dans l image des candidats, et on en déduit la longueur λ telle que l espérance du nombre de segments de taille λ dans une image aléatoire à N pixels blancs soit inférieure à critère basé sur le contraste : c est l intégrale du module du gradient le long du segment qui doit être significatif ; on doit alors estimer la distribution du gradient dans l image des candidats. Calcul des segments candidats dans une direction donnée. Segments significatifs dans toutes les directions. 18
19 localisation, un cartes et Exploiter de contexte réduction de saillance, les cartographie) capacités d informationde de champs robotique de : calcul d auto-corrélation) mobile(e.g. intensif(e.g. rétine dans Thèse de Renaud Barate (déb. 2005) environnement Apprendre son NS. WE. Apprendre des objets visuels NS. des Apprendre fonctions Stage 1 : Détection de structure d intérêt Capteur intelligent Mécanismes d attention Multi-échelles Détection / Descripteurs / Poursuite Suite Stage IPCC 06 19
20 Stage 2 : Compression de vidéo Capteur intelligent Redondance spatiale Redondance temporelle Stage 3 : IHM basée Vision Artificielle Détection robuste Tracking Programmation Qt3 Suite Stage Erasmus 06 20
21 Stage 4 : Détection a contrario du mouvement radial Stage 5 : LPE cellulaire asynchrone Watershed segmentation as a whole 21
22 Stage 6 : Indices visuels & biométrie bimodale Information mutuelle Son/Video Gestion de la causalité Efficacité du calcul Suite Stage IAD 06 Collaboration ENST / TSI Stage 7 : Fusion & stéréovision bimodale Vis Vis IR IR Recalage fixe/résiduel Fusion mixte numérique/biologique Aspects cognitifs et ergonomiques 22
23 Stage 8 : A 3 des squelettes numériques Parallèlisme de données VS Flot de données Amincissement VS Fonction distance Collaboration P11 / IEF Stage 9 : Oïdium du blé et fongicides Traitement d images couleur Classification Morphologie mathématique Collaboration INRA (Buc) 23
Traitement bas-niveau
Plan Introduction L approche contour (frontière) Introduction Objectifs Les traitements ont pour but d extraire l information utile et pertinente contenue dans l image en regard de l application considérée.
Plus en détailMaster IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP
Master IMA - UMPC Paris 6 RDMM - Année 2009-200 Fiche de TP Préliminaires. Récupérez l archive du logiciel de TP à partir du lien suivant : http://www.ensta.fr/~manzaner/cours/ima/tp2009.tar 2. Développez
Plus en détailL analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :
La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.
Plus en détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en détailGéométrie discrète Chapitre V
Géométrie discrète Chapitre V Introduction au traitement d'images Géométrie euclidienne : espace continu Géométrie discrète (GD) : espace discrétisé notamment en grille de pixels GD définition des objets
Plus en détailProgramme scientifique Majeure INTELLIGENCE NUMERIQUE. Mentions Image et Réalité Virtuelle Intelligence Artificielle et Robotique
É C O L E D I N G É N I E U R D E S T E C H N O L O G I E S D E L I N F O R M A T I O N E T D E L A C O M M U N I C A T I O N Programme scientifique Majeure INTELLIGENCE NUMERIQUE Langage Java Mentions
Plus en détailAnalyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57
Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailAnalyse Sémantique de Nuages de Points 3D et d Images dans les Milieux Urbains
Analyse Sémantique de Nuages de Points 3D et d Images dans les Milieux Urbains Andrés Felipe SERNA MORALES Directrice de thèse: Beatriz MARCOTEGUI ITURMENDI serna@cmm.ensmp.fr MINES ParisTech, Mathématiques
Plus en détailDétection des points d intérêt et Segmentation des images RGB-D. Présentée par : Bilal Tawbe. Semaine de la recherche de l UQO
Détection des points d intérêt et Segmentation des images RGB-D Présentée par : Bilal Tawbe Semaine de la recherche de l UQO 25 Mars 2015 1. Introduction Les méthodes de détection de points d intérêt ont
Plus en détailLes algorithmes de base du graphisme
Les algorithmes de base du graphisme Table des matières 1 Traçage 2 1.1 Segments de droites......................... 2 1.1.1 Algorithmes simples.................... 3 1.1.2 Algorithmes de Bresenham (1965).............
Plus en détailGrandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test
Grandes lignes Analyseur Statique de logiciels Temps RÉel Embarqués École Polytechnique École Normale Supérieure Mercredi 18 juillet 2005 1 Présentation d 2 Cadre théorique de l interprétation abstraite
Plus en détailIntroduction à l informatique temps réel Pierre-Yves Duval (cppm)
Introduction à l informatique temps réel Pierre-Yves Duval (cppm) Ecole d informatique temps réel - La Londes les Maures 7-11 Octobre 2002 -Définition et problématique - Illustration par des exemples -Automatisme:
Plus en détailAnalyse d images. Edmond.Boyer@imag.fr. Edmond Boyer UFRIMA 1
Analyse d images Edmond.Boyer@imag.fr Edmond Boyer UFRIMA 1 1 Généralités Analyse d images (Image Analysis) : utiliser un ordinateur pour interpréter le monde extérieur au travers d images. Images Objets
Plus en détailDétection des deux roues motorisés par télémétrie laser à balayage
MEsure du TRAfic des deux-roues MOTOrisés pour la sécurité et l évaluation des risques Détection des deux roues motorisés par télémétrie laser à balayage Séminaire de mi parcours 11 mai 2012 CETE Normandie
Plus en détailOpérations de base sur ImageJ
Opérations de base sur ImageJ TPs d hydrodynamique de l ESPCI, J. Bico, M. Reyssat, M. Fermigier ImageJ est un logiciel libre, qui fonctionne aussi bien sous plate-forme Windows, Mac ou Linux. Initialement
Plus en détailInitiation à LabView : Les exemples d applications :
Initiation à LabView : Les exemples d applications : c) Type de variables : Créer un programme : Exemple 1 : Calcul de c= 2(a+b)(a-3b) ou a, b et c seront des réels. «Exemple1» nom du programme : «Exemple
Plus en détailCLIP. (Calling Line Identification Presentation) Appareil autonome affichant le numéro appelant
1. Besoin CLIP (Calling Line Identification Presentation) Appareil autonome affichant le numéro appelant ETUDE FONCTIONNELLE De très nombreux abonnés du réseau téléphonique commuté ont exprimé le besoin
Plus en détailComplexité. Licence Informatique - Semestre 2 - Algorithmique et Programmation
Complexité Objectifs des calculs de complexité : - pouvoir prévoir le temps d'exécution d'un algorithme - pouvoir comparer deux algorithmes réalisant le même traitement Exemples : - si on lance le calcul
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailArchitecture des ordinateurs TD1 - Portes logiques et premiers circuits
Architecture des ordinateurs TD1 - Portes logiques et premiers circuits 1 Rappel : un peu de logique Exercice 1.1 Remplir la table de vérité suivante : a b a + b ab a + b ab a b 0 0 0 1 1 0 1 1 Exercice
Plus en détailComme chaque ligne de cache a 1024 bits. Le nombre de lignes de cache contenu dans chaque ensemble est:
Travaux Pratiques 3. IFT 1002/IFT 1005. Structure Interne des Ordinateurs. Département d'informatique et de génie logiciel. Université Laval. Hiver 2012. Prof : Bui Minh Duc. Tous les exercices sont indépendants.
Plus en détailL apprentissage automatique
L apprentissage automatique L apprentissage automatique L'apprentissage automatique fait référence au développement, à l analyse et à l implémentation de méthodes qui permettent à une machine d évoluer
Plus en détailMicroscopie de fluorescence Etat de l art
Etat de l art Bibliométrie (Web of sciences) CLSM GFP & TPE EPI-FLUORESCENCE 1 Fluorescence Diagramme de JABLONSKI S2 S1 10-12 s Excitation Eex Eem 10-9 s Émission Courtoisie de C. Spriet
Plus en détailInitiation au HPC - Généralités
Initiation au HPC - Généralités Éric Ramat et Julien Dehos Université du Littoral Côte d Opale M2 Informatique 2 septembre 2015 Éric Ramat et Julien Dehos Initiation au HPC - Généralités 1/49 Plan du cours
Plus en détailSystème binaire. Algèbre booléenne
Algèbre booléenne Système binaire Système digital qui emploie des signaux à deux valeurs uniques En général, les digits employés sont 0 et 1, qu'on appelle bits (binary digits) Avantages: on peut utiliser
Plus en détailInformation. BASES LITTERAIRES Etre capable de répondre à une question du type «la valeur trouvée respecte t-elle le cahier des charges?
Compétences générales Avoir des piles neuves, ou récentes dans sa machine à calculer. Etre capable de retrouver instantanément une info dans sa machine. Prendre une bouteille d eau. Prendre CNI + convocation.
Plus en détailELP 304 : Électronique Numérique. Cours 1 Introduction
ELP 304 : Électronique Numérique Cours 1 Introduction Catherine Douillard Dépt Électronique Les systèmes numériques : généralités (I) En électronique numérique, le codage des informations utilise deux
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailChaine de transmission
Chaine de transmission Chaine de transmission 1. analogiques à l origine 2. convertis en signaux binaires Échantillonnage + quantification + codage 3. brassage des signaux binaires Multiplexage 4. séparation
Plus en détailALGORITHMIQUE II NOTION DE COMPLEXITE. SMI AlgoII
ALGORITHMIQUE II NOTION DE COMPLEXITE 1 2 Comment choisir entre différents algorithmes pour résoudre un même problème? Plusieurs critères de choix : Exactitude Simplicité Efficacité (but de ce chapitre)
Plus en détailLes apports de l informatique. Aux autres disciplines
Les apports de l informatique Aux autres disciplines Le statut de technologie ou de sous-discipline est celui de l importation l et de la vulgarisation Le statut de science à part entière est lorsqu il
Plus en détailUE 503 L3 MIAGE. Initiation Réseau et Programmation Web La couche physique. A. Belaïd
UE 503 L3 MIAGE Initiation Réseau et Programmation Web La couche physique A. Belaïd abelaid@loria.fr http://www.loria.fr/~abelaid/ Année Universitaire 2011/2012 2 Le Modèle OSI La couche physique ou le
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailGPA770 Microélectronique appliquée Exercices série A
GPA770 Microélectronique appliquée Exercices série A 1. Effectuez les calculs suivants sur des nombres binaires en complément à avec une représentation de 8 bits. Est-ce qu il y a débordement en complément
Plus en détailSimulation d'un examen anthropomorphique en imagerie TEMP à l iode 131 par simulation Monte Carlo GATE
Simulation d'un examen anthropomorphique en imagerie TEMP à l iode 131 par simulation Monte Carlo GATE LAURENT Rémy laurent@clermont.in2p3.fr http://clrpcsv.in2p3.fr Journées des LARD Septembre 2007 M2R
Plus en détailLicence Sciences et Technologies Examen janvier 2010
Université de Provence Introduction à l Informatique Licence Sciences et Technologies Examen janvier 2010 Année 2009-10 Aucun document n est autorisé Les exercices peuvent être traités dans le désordre.
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailComparaison de Relevés 3D issus de plusieurs Systèmes de Numérisation
Laboratoire Vision & Robotique Comparaison de Relevés 3D issus de plusieurs Systèmes de Numérisation Emilie KOENIG, Benjamin ALBOUY, Sylvie TREUILLET, Yves Lucas Contact : Sylvie Treuillet Polytech'Orléans
Plus en détail2015 // 2016. des formations. programme. Retrouvez toutes ces informations sur enseirb-matmeca.bordeaux-inp.fr
programme des formations Filière Électronique...2 Filière Informatique...3 Filière Mathématique et Mécanique...4 Filière Télécommunications...5 Filière Réseaux et Systèmes d Information...6 Filière Systèmes
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailCoup de Projecteur sur les Réseaux de Neurones
Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche
Plus en détailN. Paparoditis, Laboratoire MATIS
N. Paparoditis, Laboratoire MATIS Contexte: Diffusion de données et services locaux STEREOPOLIS II Un véhicule de numérisation mobile terrestre Lasers Caméras Système de navigation/positionnement STEREOPOLIS
Plus en détailTD : Codage des images
TD : Codage des images Les navigateurs Web (Netscape, IE, Mozilla ) prennent en charge les contenus textuels (au format HTML) ainsi que les images fixes (GIF, JPG, PNG) ou animée (GIF animée). Comment
Plus en détailTP Modulation Démodulation BPSK
I- INTRODUCTION : TP Modulation Démodulation BPSK La modulation BPSK est une modulation de phase (Phase Shift Keying = saut discret de phase) par signal numérique binaire (Binary). La phase d une porteuse
Plus en détailProgramme détaillé des enseignements
Programme détaillé des enseignements SEMESTRE S1 commun aux spécialités (MSIR, IDL, TechMed) Type d'u.e. (1) OP Intitulé et descriptif des U.E. GENIE LOGICIEL AVANCE Gestion de projets. Qualité logicielle.
Plus en détailUtilisation d informations visuelles dynamiques en asservissement visuel Armel Crétual IRISA, projet TEMIS puis VISTA L asservissement visuel géométrique Principe : Réalisation d une tâche robotique par
Plus en détailCENTRALE DE SURVEILLANCE EMBARQUEE MULTIMEDIA
CENTRALE DE SURVEILLANCE EMBARQUEE MULTIMEDIA Fonctions principales : Ordinateur multimédia embarqué sous Linux 2.6 Enregistreur audio-vidéo 4 canaux 8 Mbps, Full HD 1920x1080p, 4 caméras simultanées,
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailPROJET MASTERS. Spécialités de master : analyse de l existant. Clusters. Cluster Acronymes Spécialités Effectif
Spécialités de master : analyse de l existant Clusters A AAIS MAS Astronomie, astrophysique et ingénierie spatiale Mécanique, Aéronautique, Spatial 36 DSME Dimensionnement des systèmes mécaniques dans
Plus en détailEchantillonnage Non uniforme
Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas
Plus en détailChapitre 2 : communications numériques.
Chapitre 2 : communications numériques. 1) généralités sur les communications numériques. A) production d'un signal numérique : transformation d'un signal analogique en une suite d'éléments binaires notés
Plus en détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailExemples de problèmes et d applications. INF6953 Exemples de problèmes 1
Exemples de problèmes et d applications INF6953 Exemples de problèmes Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailJ AUVRAY Systèmes Electroniques TRANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE
RANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE Un message numérique est une suite de nombres que l on considérera dans un premier temps comme indépendants.ils sont codés le plus souvent
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailJulien MATHEVET Alexandre BOISSY GSID 4. Rapport RE09. Load Balancing et migration
Julien MATHEVET Alexandre BOISSY GSID 4 Rapport Load Balancing et migration Printemps 2001 SOMMAIRE INTRODUCTION... 3 SYNTHESE CONCERNANT LE LOAD BALANCING ET LA MIGRATION... 4 POURQUOI FAIRE DU LOAD BALANCING?...
Plus en détailDan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier
Détection et reconnaissance des sons pour la surveillance médicale Dan Istrate le 16 décembre 2003 Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Thèse mené dans le cadre d une collaboration
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailCOMPRESSEURS DENTAIRES
FRANCE COMPRESSEURS DENTAIRES TECHNOLOGIE SILENCIEUSE MGF NOS SERVICES, NOS ENGAGEMENTS - Les pièces détachées sont disponibles sur stock dans notre site localisé en Saône-et-Loire. Envoi express en h
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailHiver 2013 IMN 259. Introduction à l analyse d images. Par Pierre-Marc Jodoin
Hiver 2013 Analyse d images IMN 259 Introduction à l analyse d images Par Pierre-Marc Jodoin Où se situe l analyse d images? Traitement d images Imagerie Image Analyse d images/ Vision par ordinateur Infographie
Plus en détailTP N 57. Déploiement et renouvellement d une constellation de satellites
TP N 57 Déploiement et renouvellement d une constellation de satellites L objet de ce TP est d optimiser la stratégie de déploiement et de renouvellement d une constellation de satellites ainsi que les
Plus en détailRelever les défis des véhicules autonomes
EMM 2014 12eme rencontre européenne de mécatronique Relever les défis des véhicules autonomes Mathias Perrollaz Ingénieur expert Inria Christian Laugier Directeur de recherche Inria E-Motion Team Annecy,
Plus en détailSystèmes de transmission
Systèmes de transmission Conception d une transmission série FABRE Maxime 2012 Introduction La transmission de données désigne le transport de quelque sorte d'information que ce soit, d'un endroit à un
Plus en détailPROGRAMME DU CONCOURS DE RÉDACTEUR INFORMATICIEN
PROGRAMME DU CONCOURS DE RÉDACTEUR INFORMATICIEN 1. DÉVELOPPEMENT D'APPLICATION (CONCEPTEUR ANALYSTE) 1.1 ARCHITECTURE MATÉRIELLE DU SYSTÈME INFORMATIQUE 1.1.1 Architecture d'un ordinateur Processeur,
Plus en détailModélisation multi-agents - Agents réactifs
Modélisation multi-agents - Agents réactifs Syma cursus CSI / SCIA Julien Saunier - julien.saunier@ifsttar.fr Sources www-lih.univlehavre.fr/~olivier/enseignement/masterrecherche/cours/ support/algofourmis.pdf
Plus en détailINTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci http://liris.cnrs.fr/hamamache.kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de
Plus en détailCodage hiérarchique et multirésolution (JPEG 2000) Codage Vidéo. Représentation de la couleur. Codage canal et codes correcteurs d erreur
Codage hiérarchique et multirésolution (JPEG 000) Codage Vidéo Représentation de la couleur Codage canal et codes correcteurs d erreur Format vectoriel (SVG - Scalable Vector Graphics) Organisation de
Plus en détailBases de données documentaires et distribuées Cours NFE04
Bases de données documentaires et distribuées Cours NFE04 Introduction a la recherche d information Auteurs : Raphaël Fournier-S niehotta, Philippe Rigaux, Nicolas Travers prénom.nom@cnam.fr Département
Plus en détailThéorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France
Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes
Plus en détailProjet : Recalage par maximisation de l information mutuelle
École Polytechnique de Montréal Automne 25, 12 décembre 25 Projet : Recalage par maximisation de l information mutuelle GBM613, Application médicales de l informatique Nom Matricule Groupe Herve Lombaert
Plus en détailExtrait des Exploitations Pédagogiques
Pédagogiques Module : Compétitivité et créativité CI Première : Compétitivité et créativité CI institutionnel : Développement durable et compétitivité des produits Support : Robot - O : Caractériser les
Plus en détailTD1 PROPAGATION DANS UN MILIEU PRESENTANT UN GRADIENT D'INDICE
TD1 PROPAGATION DANS UN MILIEU PRESENTANT UN GRADIENT D'INDICE Exercice en classe EXERCICE 1 : La fibre à gradient d indice On considère la propagation d une onde électromagnétique dans un milieu diélectrique
Plus en détailFonctions de plusieurs variables
Maths MP Exercices Fonctions de plusieurs variables Les indications ne sont ici que pour être consultées après le T (pour les exercices non traités). Avant et pendant le T, tenez bon et n allez pas les
Plus en détailun nouvel œil pour l analyse de mouvement
un nouvel œil pour l analyse de mouvement L entreprise EyeNetics La S.A.R.L. EyeNetics a pour objectif de simplifier l utilisation des systèmes d analyse de mouvement. Dans cette optique nous avons conçu
Plus en détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailMaster Informatique Aix-Marseille Université
Aix-Marseille Université http://masterinfo.univ-mrs.fr/ Département Informatique et Interactions UFR Sciences Laboratoire d Informatique Fondamentale Laboratoire des Sciences de l Information et des Systèmes
Plus en détailLaboratoire d informatique Gaspard-Monge UMR 8049. Journée Labex Bézout- ANSES
Laboratoire d informatique Gaspard-Monge UMR 8049 Journée Labex Bézout- ANSES Présentation du laboratoire 150 membres, 71 chercheurs et enseignants-chercheurs, 60 doctorants 4 tutelles : CNRS, École des
Plus en détailParallélisme et Répartition
Parallélisme et Répartition Master Info Françoise Baude Université de Nice Sophia-Antipolis UFR Sciences Département Informatique baude@unice.fr web du cours : deptinfo.unice.fr/~baude Septembre 2009 Chapitre
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détail6 - Le système de gestion de fichiers F. Boyer, UJF-Laboratoire Lig, Fabienne.Boyer@imag.fr
6 - Le système de gestion de fichiers F. Boyer, UJF-Laboratoire Lig, Fabienne.Boyer@imag.fr Interface d un SGF Implémentation d un SGF Gestion de la correspondance entre la structure logique et la structure
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
Plus en détailProjet Matlab/Octave : segmentation d'un ballon de couleur dans une image couleur et insertion d'un logo
Projet Matlab/Octave : segmentation d'un ballon de couleur dans une image couleur et insertion d'un logo Dans ce projet, nous allons réaliser le code qui permet d'insérer sur une image, un logo sur un
Plus en détailAXES DE RECHERCHE - DOMAINE D'INTERET MAJEUR LOGICIELS ET SYSTEMES COMPLEXES
1 AXES DE RECHERCHE - DOMAINE D'INTERET MAJEUR LOGICIELS ET SYSTEMES COMPLEXES 2 Axes de recherche L activité du DIM LSC concerne la méthodologie de la conception et le développement de systèmes à forte
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailEtude de fonctions: procédure et exemple
Etude de fonctions: procédure et exemple Yves Delhaye 8 juillet 2007 Résumé Dans ce court travail, nous présentons les différentes étapes d une étude de fonction à travers un exemple. Nous nous limitons
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailQoS et Multimédia SIR / RTS. Introduction / Architecture des applications multimédia communicantes
QoS et Multimédia SIR / RTS Introduction / Architecture des applications multimédia communicantes Isabelle Guérin Lassous Isabelle.Guerin-Lassous@ens-lyon.fr http://perso.ens-lyon.fr/isabelle.guerin-lassous
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voies : Mathématiques, physique et sciences de l'ingénieur (MPSI) Physique, chimie et sciences de l ingénieur (PCSI) Physique,
Plus en détail