Possibilités et limites du traitement d mage
|
|
- César Bédard
- il y a 2 ans
- Total affichages :
Transcription
1 Possibilités et limites du traitement d mage Jean Serra Journée industrielle de l Ecole des Mines de Douai 9 décembre 1999
2 Historique du traitement d mage Trois périodes Années 70 : - en Europe, Imagerie microscopique - aux U.S.A., Télédetection Années 80 : - Contôle industriel - Imagerie macroscopique médicale (tomographie, échographie, mammographie) Années 90 : - Multimédia, ou N.T.I.C.
3 Traitement d' Images (I) L'analyse d'images peut se diviser en trois grands types de problèmes : - Codification, - Extraction de caractéristiques ; - Segmentation.
4 Traitement d' Images (II) 1- Codification : La codification inclut tous les modes de représentation des images. Il s'agit en particulier de: Acquisition: Transformation d'une image réelle en nombres. Compression: Modification de la représentation de l'image. Synthèse: Création d'une image à partir d'une représentation plus symbolique. Image réelle Image numérique Nombres Acquisition Compression Synthèse Image numérique Imag numérique e Image numérique
5 Traitement d' Images (III) 2 - Extraction de Caractéristiques Amélioration de la qualité; extraction de paramètres 3 - Segmentation : Image1 Extraction de paramètres et mesures Image2 Nombres La segmentation consiste à construire une représentation symbolique de l' image en régions homogènes selon un critère établi a priori. Pixels Segmentation Régions
6 Quatre démarches Espace Géométrique Espaces abstraits Linéaire Linéaire: Convolution, Fourier, ondelettes Tomographie Krigeage, Splines Statistique: Analyse multivariée Réseaux neuronaux Stéréologie Non linéaire Morphologique: Filtrage Hiérarchies Ensembles aléatoires Segmentation L.P.E. Syntactique: classifications Grammaires Indexation
7 Trois pôles : Domaine microscopique Matériaux, (Ex. Grains d alumine et impuretés ) Biologie, médecine, (Ex. Ostéocytes en confocal ) Relations physique - espace.
8 Traitement d image en ophtalmologie Reconnaissance automatique des atteintes rétiniennes. Exemple de deux pathologies : Rétinopathie Diabétique Dégénérescence Maculaire Liée à l Age Détection des vaisseaux pour recalage d images
9 Surfaces rugueuses aléatoires Sidérurgie, industrie automobile ; Morphologie des surfaces ; Modèles théoriques : Cliquez ici pour télécharger la vidéo sur le site web du CMM Interaction surface lumière (IRSID) Rugosité et frottement (PREDIT: PSA, RENAULT, EXXON, JPX) CND MOTEURS
10 Physique des milieux hétérogènes Ecoulements et Gaz sur Réseau : Hydrodynamique Transport en milieux poreux (CEA) Agrégats aléatoires Gouttes en fusion : Cliquez ici pour télécharger la vidéo sur le site web du CMM Simulation de dépôt de couches minces par plasma Action sur le procédé (DGA, MATRA)
11 Contrôle industriel La Vision Industrielle obéit au schéma suivant, général aux R. et D. Industrie : - Définition du problème; - Contexte socio-économique. Industrie : - Prototype ; - Commercialisation. Recherche : - solution pour un banque d'images de référence ; - maquette.
12 Les sept piliers de la Vision Industrielle L' interaction entre les desiderata de l industrie et les possibilités de la technique se joue autour de sept thèmes : le choix d'une Représentation la présence d' Individus l ' Invariance par Translation la Métrologie les Directions Préférentielles la Rapidité du Traitement la Prise en compte du Mouvement.
13 Exemples Individus : Contrôle de qualité du riz. Invariance par Translation : Inspection d une pompe à huile. Métrologie et Directions Préférentielles : Formage de tôles.
14 Vitesse Dans chaque situation, se demander quelle vitesse est vraiment requise.. La notion confuse de temps réel ne dit pas à quelle réalité il est fait référence. Pratiquement, ce qu'on peut toujours définir, c'est un temps de calcul Exemple de situation peu drastique : - Lors de l'inspection d un moteur, le temps de traitement, imposé par la ligne de production, doit durer quelques secondes,
15 Vitesse Les cas drastiques apparaissent avec la conjonction d' -unfort débitde données, - et d' algorithmes complexes. Exemple de situation drastique : - La lecture automatique des enveloppes.
16 Exemple de lecture d'adresses (CRTP) Image Initiale Parties détectées (Filtrage géodésique directionnel)
17 Analyse d Image et Multimedia Les questions posées sont de nature sémantique (Que voit-on? on? ).) Leur réponse nécessite une compréhension de la scène. Or, les outils de l analyse d images sont syntaxiques. De plus, leur niveau de sophistication reste encore faible. Se développent alors des outils syntaxiques pour - automatiser les tâches fastidieuses ; - manipuler des objets audiovisuels ; - associer image et contexte (C) 1998 CMM/ENSMP/ARMINES
18 Thématiques en NTIC Codage video pondéré; Fonctionnalités : Segmentation générique ; indexation ; Descripteurs d objets ; suivi de mouvement ; Restauration de films ; Electroniques pour segmentation et fonctionnalités
19 Codeur orienté objet ( Race) Résultats : Pondérations Segmentation séquences Suivis Problèmes : Détails fins Régulation Images génériques Cliquez ici pour télécharger la vidéo sur le site web du CMM
20 Quelques Thèmes multimédia Orientation d images ( par ex : industrie de la photographie numérisée) Analyse de l éclairage d une scène ( par ex: pour mixage d images de synthèse) Restauration de films ( actuellement :niveau Ret D)
21 Exemple : la gare de Sydney, par L. Lumière Extrait de la séquence d' origine Filtrage par connexité temporelle
22 Exemple de segmentation générique Methode: : connection par sauts δ = tuiles δ = 15 Original : extrait du rétable de Pere Serra (San Cugat, Barcelone) 73 tuiles (C) 1998 CMM/ENSMP/ARMINES
23 Exemples d outils syntaxiques Segmentation d images couleur Outils d extraction et de reconnaissance de texte Reconnaissance de visages (C) 1998 CMM/ENSMP/ARMINES
24 Exemple d indexation par le contenu Base : journal télévisé Découpage en unités audiovisuelles Cliquez ici pour télécharger la vidéo sur le site web du CMM (C) 1998 CMM/ENSMP/ARMINES
25 Indexation par le contenu (suite) Extraction d images-clé (C) 1998 CMM/ENSMP/ARMINES
26 Codeur Temps réél ( MEDEA ) Développement d un Codeur Temps réél : * Segmentation de séquences d images couleurs ; * Recherche et développement VHDL de modules hardware avec réalisation d un démonstrateur. Cliquez ici pour télécharger la vidéo sur le site web du CMM
27 En aval : Finalités et enjeux Produits commerciaux (ex: photo numérique) ), démonstrateurs pour l indexation (France Telecom), outils de montage, de trucage pour l industrie du cinéma. En amont : Outils d analyse plus sophistiqués (segmentation ) Collaboration et réflexion avec les concepteurs de moteurs de requêtes ( projet SESAME du CCETT). (C) 1998 CMM/ENSMP/ARMINES
Contrôle Industriel par Vision
Contrôle Industriel par Vision J. SERRA Centre de Morphologie Mathématique, Ecole des Mines de Paris France Ecole des Mines de Paris Conseil d'administration du19 juin 1997 J Serra 1 Relations Industrie
Centre de Morphologie Mathématique (1)
Centre de Morphologie Mathématique (1) directeur: J.. SERRA chefs de de groupes: S. S. BEUCHER (industrie) D. D. JEULIN (physique) F. F. MEYER (multimédia) J.C. KLEIN (electronique) Effectif :: 7 scientifiques
Journée de rencontres ANSES - IGN - INA - Labex Bézout
Journée de rencontres ANSES - IGN - INA - Labex Bézout Présentation du LAMA Stéphane Sabourau 3 mars 2014 Présentation générale Le Laboratoire d Analyse et Mathématiques Appliquées (LAMA) est composé de
Imagerie 3D et mathématiques
Imagerie 3D et mathématiques Jacques-Olivier Lachaud Laboratoire de Mathématiques CNRS / Université de Savoie Fête de la Science, 13/10/2013 Galerie Eurêka Image et perception Synthèse d image 3D Imagerie
Traitement de l image
Traitement de l image Vidéosurveillance + + Détection et reconnaissance d objets + + Suivi d objets et de personnes + + Analyse automatique de scènes Multimédia + + Classification interactive de données
OUTILS FONDAMENTAUX EN TRAITEMENT D IMAGES
OUTILS FONDAMENTAUX EN TRAITEMENT D IMAGES Défis actuels Mégadonnées (big data) Square Kilometer Array Telescope : 300 To/s (100 Internet) 9 Robustesse Défis actuels Repérer les comportements suspects
CED-ST 2013-2014 Liste des Sujets de Recherche Formation Doctorale : STIC Responsable de la Formation : Pr. L. OMARI (lahcen.omari@usmba.ac.
CED-ST 2013-2014 Liste des Sujets de Recherche Formation Doctorale : STIC Responsable de la Formation : Pr. L. OMARI (lahcen.omari@usmba.ac.ma) N.B. : Les étudiants qui ont déposé leurs demandes d'inscription
Initiation à la fouille de données et à l apprentissage automatiq
Initiation à la fouille de données et à l apprentissage automatique 1 Laboratoire d Informatique Fondamentale de Marseille Université de Provence christophe.magnan@lif.univ-mrs.fr www.lif.univ-mrs.fr/
LO12. Chap 1 1. 1. Introduction UTC A2006. 1.1 Présentation de l'uv. Bases de l infographie et Images de synthèse. Objectifs
UTC A2006 1. Introduction 1.1 Présentation de l'uv Objectifs Bases de l infographie et Images de synthèse savoir se repérer dans l espace, comprendre les principaux algorithmes d infographie (leur puissance
Atelier «Très Haute Résolution Spatiale» Outils pour la reconnaissance des formes
CNES Paris - 22/05/2003 Atelier «Très Haute Résolution Spatiale» Outils pour la reconnaissance des formes Michel DHOME LASMEA UMR 6602CNRS/UBP Clermont-Ferrand Etat de l art (communauté vision artificielle)
N. 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
De 2 à 22 millions d'images; Création, Indexation et Recherche par le contenu avec Piria
De 2 à 22 millions d'images; Création, Indexation et Recherche par le contenu avec Piria contact : patrick.hede@cea.fr Commissariat à l'energie Atomique List sensorielles 13/05/07 1 Plan Le CEA, le Lic2m
Les sections 6 et 7. du ComitéNational de la RechercheScientifique
Les sections 6 et 7 du ComitéNational de la RechercheScientifique (CoNRS) Frédérique Bassino et Michèle Basseville Plan Le comité national Les missions des sections Les sections 6 et 7 Le comiténational
Digital Workplace et Gestion des connaissances Concepts et mise en oeuvre
Avant-propos 1. Objectif du livre 17 2. Illustrations des exemples de ce livre 18 2.1 Office 365 comme plateforme technologique pour une digital workplace 18 2.2 SharePoint et Yammer à l honneur 18 3.
Analyse d images, vision par ordinateur. Partie 6: Segmentation d images. Segmentation? Segmentation?
Analyse d images, vision par ordinateur Traitement d images Segmentation : partitionner l image en ses différentes parties. Reconnaissance : étiqueter les différentes parties Partie 6: Segmentation d images
Comparaison d images binaires reposant sur une mesure locale des dissimilarités Application à la classification
1/54 Comparaison d images binaires reposant sur une mesure locale des dissimilarités Application à la classification Étienne Baudrier CReSTIC vendredi 9 décembre 2005 2/54 Contexte programme national de
RASV, SAMSIT, TRIPS, ISCAPS, Vers une Vidéosurveillance Intelligente dans les Trains. Vincent DELCOURT ASC
RASV, SAMSIT, TRIPS, ISCAPS, Vers une Vidéosurveillance Intelligente dans les Trains Vincent DELCOURT ASC 1 Contexte: Introduction: Besoin Les actes de malveillance et les agressions sur le réseau SNCF
Filière Data Mining (Fouille de données) Pierre Morizet-Mahoudeaux
Filière Data Mining (Fouille de données) Pierre Morizet-Mahoudeaux Plan Motivations Débouchés Formation UVs spécifiques UVs connexes Enseignants et partenaires Motivations de la filière fouille de données
Utilisation 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
Reconnaissance de caractères: Descripteurs de formes et classification. Philippe Foucher
Reconnaissance de caractères: Descripteurs de formes et classification Philippe Foucher 1 Plan Introduction Pré-traitement Segmentation d images Morphologie mathématique Extraction de caractéristiques
Vision par ordinateur
Vision par ordinateur Introduction au domaine Applications Frédéric Devernay Qu'est-ce que la vision? Le monde a une structure 3D et est composé d'objets L'être humain sait parfaitement décrire et interpréter
Application et méthodologie d acquisition d images
Application et méthodologie d acquisition d images Application industrielle et acquisition de l image 2 Imagerie industrielle est utilisée comme outil de contrôle et de gestion augmentation flexibilité
Angiographie 3D sur arceau
Advanced Medical Applications GE Healthcare! #"$&%(' Angiographie 3D sur arceau Acquisition d une sé que nce d im a g e s e n r ota tion R e constr uction 3 D Vues de surfaces Contrôle après traitement
Applications médicales et industrielles de la Morphologie Mathématique
Applications médicales et industrielles de la Morphologie Mathématique Serge Beucher Centre de Morphologie Mathématique Ecole des Mines de Paris 1 L efficacité des outils morphologiques en analyse d image
SCIENCES TECHNOLOGIE SANTE. Sciences et Technologies de l Information et de la Communication (STIC)
OFFRE DE FORMATION 2012-2016 Niveau : année Domaine : Mention : Spécialité : SCIENCES TECHNOLOGIE SANTE Sciences et Technologies de l Information et de la Communication (STIC) IMAGE- INTELLIGENCE ARTIFICIELLE
Tout ce que vous avez toujours voulu savoir sur la plate-forme logicielle TEXMEX (TELEMEX et DiVATex) ou presque tout!
Tout ce que vous avez toujours voulu savoir sur la plate-forme logicielle TEXMEX (TELEMEX et DiVATex) ou presque tout! Arnaud Dupuis - IRISA - TEMEX Novembre 2007 1 1 Introduction / généralités 2 - Présentation
Quelques exemples d'utilisation de la modélisation stochastique en imagerie médicale
Quelques exemples d'utilisation de la modélisation stochastique en imagerie médicale Christine Graffigne Université René Descartes Traitement d'images Sciences pour l'ingénieur, informatique et mathématiques
CONTENU DES U.E MASTER JMIN. Expression écrite, orale
CONTENU DES U.E MASTER JMIN Contenu des U.E UE 101 Communication, culture et expression (anglais, expression écrite et orale) UE 102 Conception et développement informatique UE 103 Conception sonore Expression
Scénarios d usage Modèles d analyse
Scénarios d usage Modèles d analyse Valérie Legrand (FMSH ESCoM-AAR) Paris, Fondation Maison des Sciences de l Homme (FMSH) 11 Mars 2014 PLAN I. Scénario général: Archivage / Analyse / Publication 1. Etapes
1S2 Écran plat. Utilisation d un logiciel de simulation / Exploitation d une vidéo. Notions et contenus
FICHE 1 Fiche à destination des enseignants 1S2 Écran plat Type d'activité Utilisation d un logiciel de simulation / Exploitation d une vidéo Notions et contenus Synthèse additive. Vision des couleurs
Maquette Pédagogique. Diplôme d Ingénieur spécialité. Sciences Informatiques
Maquette Pédagogique Diplôme d Ingénieur spécialité Sciences Spécialité SCIENCES INFORMATIQUES EP3IUE1 : Informatique Théorique 1 4,5 Mathématiques Discrètes Cours élémentaire de mathématiques discrètes
Ref. TRDF / 071 : Conception d un séquenceur de test mettant en œuvre des principes de test statistique
Ref. TRDF / 071 : Conception d un séquenceur de test mettant en œuvre des principes de test statistique Test industriel des produits développés sur le site, essentiellement des décodeurs de TV numérique.
Journée Rencontres Académiques SCS
Journée Rencontres Académiques SCS 24/01/2012 Prof. Frédéric Precioso Knowledge Extraction, Integration & Algorithms (KEIA) http://keia.i3s.unice.fr/ 2 /35 Permanents Célia Pereira da Costa, Christel Dartigues,
BIO_MUL. (Biométrie & Multimodalité) Jean-François Bonastre - LIA. ACI Sécurité Informatique
Communication Langagière et Interaction Pers onne-sys tème CNRS - INPG - UJF BP 53-38041 Grenoble Cedex 9 - France ACI Sécurité Informatique BIO_MUL (Biométrie & Multimodalité) Jean-François Bonastre -
Jérémy Renard. en collaboration avec J. Gaffuri, C. Duchêne et G. Touya. CartAGen. Une nouvelle plate-forme de recherche en généralisation automatique
Jérémy Renard en collaboration avec J. Gaffuri, C. Duchêne et G. Touya CartAGen Une nouvelle plate-forme de recherche en généralisation automatique 1 Journées de la Recherche IGN - 11 mars 2011 CartAGen
Introduction à la modélisation et à l animation 3D
Introduction à la modélisation et à l animation 3D Frank Singhoff Bureau C-203 Université de Brest, France LISyC/EA 3883 singhoff@univ-brest.fr UE multimédias et animation, Université de Brest Page 1/16
Géométrie 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
Fouille de données multi-stratégies pour l'extraction de connaissances à partir d'images de télédétection
Fouille de données multi-stratégies pour l'extraction de connaissances à partir d'images de télédétection Cédric WEMMERT* Alexandre BLANSCHE* Anne PUISSANT** *LSIIT UMR 7005 CNRS/ULP Apprentissage et Fouille
Analyse d images numériques en microscopie
Analyse d images numériques en microscopie Yves Usson Reconnaissance et Microscopie Quantitative, Laboratoire TIMC UMR5525 CNRS Institut d Ingénierie et d Information de Santé (IN3S), La Tronche Traitement
GED: Gestion Electronique de Document (Support de cours) R. MAHMOUDI (mahmoudr@esiee.fr) www.research-ace.net/~mahmoudi 1 Gestion Electronique de Documents Plan du cours - Introduction générale - Spécificités
La Vision Industrielle
UE Imagerie Industrielle La Vision Industrielle Sylvie Treuillet Polytech Orléans - 45 65 Laboratoire Vision & Robotique Sylvie.Treuillet@univ-orleans.fr Depuis les années 80 Vocation : remplacer les contrôles
PROJET. Département Image et Automatique. O. Déforges H. Guéguen
PROJET Département Image et Automatique O. Déforges H. Guéguen 1 Organisation du Département Image Automatique (O. Déforges H. Guéguen) (E5) Image (O. Déforges) (E6) Automatique des Systèmes Hybrides (H.
Traitement Numérique de l Image
ESIAL 2A TRS - SIE Traitement Numérique de l Image Numérisation - Mémorisation (MdC 6ème Section) Centre de Recherche en Automatique de Nancy -UMR CNRS 7039- Équipe : SYstèMes de Production Ambiants E.R.T.
Analyse d images introduction
L3, option Image Analyse d images introduction http ://perception.inrialpes.fr/people/boyer/teaching/l3/ Elise Arnaud - Edmond Boyer Université Joseph Fourier / INRIA Rhône-Alpes elise.arnaud@inrialpes.fr
Laboratoire d Informatique, de Traitement de l Information et des Systèmes EA 4108. 3 établissements T. Paquet D. Olivier T. Lecroq A.
Laboratoire d Informatique, de Traitement de l Information et des Systèmes EA 4108 3 établissements T. Paquet D. Olivier T. Lecroq A. Benshrair 7 équipes Disciplines 27-61, 25-26-43-64 L. Heutte DocApp
Profil appel à candidatures : Contacts et adresses correspondance : Spécifications générales de cet appel à candidatures :
Appel à candidatures : Année de campagne : 2014 N appel à candidatures : ATER0318 Publication : 12/02/2014 Etablissement : Lieu d'exercice des fonctions : Section1 : 27 - Informatique Quotité du support
Systèmes de contrôle par caméras. Vision industrielle. www.opales.fr
Systèmes de contrôle par caméras Vision industrielle www.opales.fr Machines d inspection clé en main Etude et réalisation de machines spéciales de contrôle à 100% par caméras Ces machines sont situées
VISION INDUSTRIELLE PLAN DU COURS. 2. Acquisition ou Formation des images 3. Traitement d images 4. Analyse des images. Exemples d applications
VISION INDUSTRIELLE Cours Licence ISACP 2008/2009 Christophe BLANC LASMEA Université Blaise Pascal Département Génie Electrique et Informatique Industrielle www.christophe-blanc.info PLAN DU COURS 2. Acquisition
MATHEMATIQUES ET SCIENCES POUR L INGENIEUR
MASTER SCIENCES, TECHNOLOGIES, SANTE / STAPS MATHEMATIQUES ET SCIENCES POUR L INGENIEUR Spécialité Ingénierie Numérique, Signal-Image et Informatique Industrielle (INS3I) www.univ-littoral.fr OBJECTIFS
Nouvelles de l AS fouille d images. Émergence de caractéristiques sémantiques
Nouvelles de l AS fouille d images Émergence de caractéristiques sémantiques Patrick GROS Projet TEXMEX IRISA - UMR 6074, CNRS, université de Rennes 1, INSA Rennes, INRIA L AS fouille d images Qu est-ce
Cycle pro Cinéma d Animation. 3D & effets spéciaux numériques
Cycle pro Cinéma d Animation 3D & effets spéciaux numériques quatre années pour parfaire sa technique, aiguiser son sens critique, artistique CINÉMA D ANIMATION 3D & EFFETS SPÉCIAUX NUMÉRIQUES À Montpellier,
Plan de la séance. Partie 4: Restauration. Restauration d images. Restauration d images. Traitement d images. Thomas Oberlin
Plan de la séance Traitement d images Partie 4: Restauration Thomas Oberlin Signaux et Communications, RT/ENSEEHT thomasoberlin@enseeihtfr 1 ntroduction 2 Modélisation des dégradations Modèles de bruit
Chapitre 1 Introduction
Chapitre 1 Introduction La réalité augmentée assistée par ordinateur est un domaine émergeant, qui progresse rapidement. Son principe est de mélanger le monde réel et le monde virtuel. De nombreuses applications
Évaluer les liens entre codage et les données structurées (variables) Introduction au gestionnaire de rapport et au journal de commandes
Trois approches en analyse de texte L'Analyse Qualitative L'analyse de Contenu Quantitative (par dictionnaires) Le forage de texte ("Text Mining") Introduction aux logiciels de Provalis Research QDA Miner
Contenu disciplinaire (CK)
Compilation des suggestions apportées par les participants aux ateliers du Rendez-vous des conseillers pédagogiques Colloque de l AQPC 2013 Application technologique Trouver les causes, la biologie derrière
Analyse et traitement de données SPM
Analyse et traitement de données SPM Introduction Gwyddion est un logiciel libre développé par deux chercheurs de l'institut Tchèque de Métrologie (http://www.cmi.cz), destiné à l'analyse et au traitement
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
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
1 CM. Calendrier des examens - janvier 2016. Université de la Manouba Institut Supérieur des Arts Multimédias PREMIER SEMESTRE DE L A.
1 CM Lundi 04-01-2016 De 09h à 10h15 Techniques d'expressions vectorielles (DS) Pratique Lundi 04-01-2016 De 12h30 à 13h45 C2i 1 (DS) Pratique Mardi 05-01-2016 De 12h30 à 13h45 Traitement d'images numériques
Morphologie mathématique
Morphologie mathématique Introduction à l analyse d images Luc Brun (d après le cours de M. Coster) Morphologie mathématique p.1/21 Qu est ce qu une image source capteur Disque surface Une image correspond
OPTION INFORMATIQUE EN CLASSE DE SECONDE. UN EXEMPLE DE PROGRESSION PÉDAGOGIQUE (suite et fin)
97 OPTION INFORMATIQUE EN CLASSE DE SECONDE : UN EXEMPLE DE PROGRESSION PÉDAGOGIQUE (suite et fin) Cet article décrit les dernières séances de ma progression pédagogique en option informatique au niveau
LE POINT SUR LES MATHÉMATIQUES DANS LES BTS RENTRÉE 2003
LE POINT SUR LES MATHÉMATIQUES DANS LES BTS RENTRÉE 00 ) LES PROGRAMMES a) Le cadre général L arrêté du 8 juin 00 comporte trois annexes, notamment l annexe donnant l intégralité des modules permettant
PROJET DE SPÉCIALITÉ DU MASTER DE MATHÉMATIQUES. MODÉLISATION MATHÉMATIQUE & ANALYSE STATISTIQUE
PROJET DE SPÉCIALITÉ DU MASTER DE MATHÉMATIQUES. MODÉLISATION MATHÉMATIQUE & ANALYSE STATISTIQUE Porteurs du projet Marc Arnaudon, professeur des universités, responsable des relations avec les entreprises.
Évaluation de la classification et segmentation d'images en environnement incertain
Évaluation de la classification et segmentation d'images en environnement incertain EXTRACTION ET EXPLOITATION DE L INFORMATION EN ENVIRONNEMENTS INCERTAINS / E3I2 EA3876 2, rue F. Verny 29806 Brest cedex
L 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.
Big Data & objets connectés
Big Data & objets connectés IDEAS laboratory a accueilli le dernier Think Tank destiné à animer la filière de la robotique et des objets connectés. Celui- ci a abordé le sujet de l utilisation des données
Axe MSA Bilan scientifique et perspectives. ENSM.SE L. Carraro - 17 décembre 07
Axe MSA Bilan scientifique et perspectives ENSM.SE L. Carraro - 17 décembre 07 17 décembre 07 2 Plan Compétences acquises domaines scientifiques compétences transverses Domaines ou activités accessibles
Analyse d images en vidéosurveillance embarquée dans les véhicules de transport en commun
des s Analyse d images en vidéosurveillance embarquée dans les véhicules de transport en commun Sébastien Harasse thèse Cifre LIS INPG/Duhamel le 7 décembre 2006 1 Système de surveillance des s Enregistreur
Acquisition et gestion de contenus numériques multimédia
08/10/2014 Acquisition et gestion de contenus numériques multimédia Introduction Valérie Gouet-Brunet et Michel Crucianu valerie.gouet@ign.fr, michel.crucianu@cnam.fr IGN / CNAM http://recherche.ign.fr/labos/matis/cours/master-siaw-mlv/
Exploitation des Réseaux R pour la reconnaissance de comportement d objets d. à partir d images d. de vidéosurveillance
Exploitation des Réseaux R Bayésiens pour la reconnaissance de comportement d objets d à partir d images d de vidéosurveillance Sujet de thèse : Présent sentée e par: hmed Ziani Encadrements : Mr C. Motamed,,
Approche multi-échelles: Aide à la conception et à l'injection de pièces en Polyamide renforcé. Y. Deyrail, M. Oumarou, A. Causier, W.
Approche multi-échelles: Aide à la conception et à l'injection de pièces en Polyamide renforcé Y. Deyrail, M. Oumarou, A. Causier, W. Zerguine SOMMAIRE Présentation de la société Contexte de l étude Approche
Le multimédia dans tous ses états!
Stage LIESSE ECE des 26, 27 et 28 avril 2005 Le multimédia dans tous ses états! Logiciels libres et multimédia: état de l'art 2005 et ateliers pratiques Présentation Le multimédia est né de la convergence
Une solution globale d analyse et de débriefing video... Apportez de la vidéo à votre pédagogie
Explorer, Analyser, Restituer Une solution globale d analyse et de débriefing video...... Apportez de la vidéo à votre pédagogie Capturez et visualisez : Capturez vos exercices pédagogiques ou simulations
Plan d études. Traitement visuel 2D. Techniques d intégration multimédia 582-105-HU. http://pedago.cegepoutaouais.qc.ca/media/ma legault/2d/ 1-2-2
Plan d études Techniques d intégration multimédia Traitement visuel 2D 582-105-HU 1-2-2 Enseignant : Mathieu Legault Courriel : malegault@cegepoutaouais.qc.ca Téléphone : 770-4012 # 2480 Bureau : 2.535
Au-delà de la simple gestion de votre fonds documentaire, évoluez vers la gestion complète de vos flux d informations.
Au-delà de la simple gestion de votre fonds documentaire, évoluez vers la gestion complète de vos flux d informations. SHERKAN administration BAGHEERA base documentaire KAA publication web AKELA gestion
Sarl Sodestel Edition Informatique. Pour plus Plus de performance dans vos activités d agent immobilier. Estimation. Mandats de vente au juste prix
PRESENTATION L EXPERIMMO, logiciel d évaluation de la valeur vénale d un bien immobilier Sarl Sodestel Edition Informatique Pour plus Plus de performance dans vos activités d agent immobilier Estimation
IMAGE ET SON NUMERIQUES INFO3D
IMAGE ET SON NUMERIQUES INFO3D Licence Professionnelle TAIS ISN Image et Son Numériques Infographie 3D Saint-Dié-des-Vosges LICENCE PROFESSIONNELLE T echniques et A ctivités de l'i mage et du S on IUT
Les prestations du Pôle Infographie & Ingénierie. www.synthes3d.com
Les prestations du Pôle Infographie & Ingénierie nierie Version 2007 Techniques & Ingénierie nierie Infographie 3D Infographie 2D Films & Animations en images de synthèse se 3D Temps RéelR www.synthes3d.com
PLAN D ÉTUDES SESSION: Hiver 2014
PLAN D ÉTUDES SESSION: Hiver 2014 RENSEIGNEMENTS GÉNÉRAUX Titre du cours Ordinateurs et multimédia Numéro 420-DN1-LP Pondération 1-2 - 3 Enseignant(s) 1 Bureau Poste téléphonique Stéphane Pelletier C-811
ENSEIRB-MATMECA PG-113 2014. TP6: Optimisation au sens des moindres carrés
ENSEIRB-MATMECA PG-113 014 TP6: Optimisation au sens des moindres carrés Le but de ce TP est d implémenter une technique de recalage d images qui utilise une méthode vue en cours d analyse numérique :
Catherine HIGOUNENC Infirmière Santé Travail M2 Spécialité Encadrement des Services de Santé (2013-2014)
LES ENJEUX AUTOUR DE L INTEGRATION DES INFIRMIERS DANS LES SERVICES DE SANTE INTERENTREPRISES : DES REPRESENTATIONS PROFESSIONNELLES A LA REFLEXION POUR ACCOMPAGNER LE CHANGEMENT Catherine HIGOUNENC Infirmière
MASTER OPTIQUE IMAGE VISION OPTION «MODELISATION, ANALYSE ET VISUALISATION DES IMAGES» (MAVIM)
MASTER OPTIQUE IMAGE VISION OPTION «MODELISATION, ANALYSE ET VISUALISATION DES IMAGES» (MAVIM) A. Description succincte Le Master «Optique, Image, Vision» vise à former des professionnels qui seront aptes
Technicien - Expert en performance thermique de bâtiments neufs ou existants
PARCOURS COMPLET DE PROFESSIONNALISATION Technicien - Expert en performance thermique de bâtiments neufs ou existants proposer un ensemble de prestations liées à l amélioration de la performance thermique
MASTER DE MATHÉMATIQUES DE POITIERS. MODÉLISATION MATHÉMATIQUE & ANALYSE STATISTIQUE
MASTER DE MATHÉMATIQUES DE POITIERS. SPÉCIALITÉ : MODÉLISATION MATHÉMATIQUE & ANALYSE STATISTIQUE Responsables Marc Arnaudon, professeur des universités, responsable de la formation et des relations avec
Information quantique
Information quantique J.M. Raimond LKB, Juin 2009 1 Le XX ème siècle fut celui de la mécanique quantique L exploration du monde microscopique a été la grande aventure scientifique du siècle dernier. La
PROGRAMME DETAILLÉ DES ENSEIGNEMENTS. 1 er semestre
PROGRAMME DETAILLÉ DES ENSEIGNEMENTS 1 er semestre Culture du documentaire, connaissance du milieu, initiation aux techniques et aux savoir-faire professionnels UE.1 Histoire des courants et des formes
NOTIONS sur la TRADUCTION Applications en Informatique
NOTIONS sur la TRADUCTION Applications en Informatique Notions sur la traduction 0) Motivation et objectifs 1) Notions de base 2) Analyse lexicale 3) Automates Using Linux /Unix Compiler of compilers tools
Cartographie 3D d intérieur et d extérieur
Cartographie 3D d intérieur et d extérieur Séminaire MINES ParisTech PSA Peugeot Citroën Maillages et modèles 3D Pascal LEFEBVRE-ALBARET TECHNODIGIT Version Date: 24.08.13 Sommaire 01 02 03 04 05 L entreprise
P. NADAM & G. AZEMA - 2013. Le numérique en SVT. 12 & 13 septembre 2013 CDDP 94. Accueil des néotitulaires
P. NADAM & G. AZEMA - 2013 Le numérique en SVT 12 & 13 septembre 2013 CDDP 94 Accueil des néotitulaires Intervenants : Guillaume AZEMA guillaume.azema@ac-creteil.fr Patrice NADAM patrice.nadam@ac-creteil.fr
Programme détaillé 2014-2015. Filière d Ingénieur INFORMATIQUE
Libellé long UE Crédits ECTS Semestre 5 INFO51 13 Initiation à l'informatique Introduction à la Programmation Logiciel de Base Mathématiques Algèbre Logique INFO52 12 Analyse Applications de l'algèbre
Lycée. Présentation. MIRASCOLA 53, avenue de l Esprit des Lois 33650 La Brède. Votre contact : Frédérique Brun 05.56.20.31.87 / 06.11.82.42.
Lycée Présentation MIRASCOLA 53, avenue de l Esprit des Lois 33650 La Brède Votre contact : Frédérique Brun 05.56.20.31.87 / 06.11.82.42.67 frederique.brun@mirascola.fr Les fonctionnalités proposées pour
- 77 - AIDE AU DIAGNOSTIC DES PATHOLOGIES RETINIENNES PAR TRAITEMENT NUMERIQUE D'IMAGES MOTS CLES : RESUME : T.KONE, P.BUNEL, G.MIMOUN, L.
AIDE AU DIAGNOSTIC DES PATHOLOGIES RETINIENNES PAR TRAITEMENT NUMERIQUE D'IMAGES T.KONE, P.BUNEL, G.MIMOUN, L.KONATE MOTS CLES : TRAITEMENT NUMERIQUE D'IMAGES, ANGIOGRAPHIE RETINIENNE RESUME : Aujourd'hui
Cours de Traitement de l Image Licence 3
Cours de Traitement de l Image Licence 3 Jean-Luc Baril Université de Bourgogne - Dépt IEM Laboratoire LE2I - http://vision.u-bourgogne.fr barjl@u-bourgogne.fr http://www.u-bourgogne.fr/jl.baril Lena :
Cartographie Mobile à MINES ParisTech
Cartographie Mobile à MINES ParisTech Entre robotique, géomatique et nouveaux usages Pr. François Goulette Plan 4 septembre 2013 2 Automatisation de maintenance en environnements industriels (1993) Automatisation
Fusion de l'imagerie 3D et infrarouge pour un contrôle dimensionnel et un contrôle non destructif (CDCND)
Fusion de l'imagerie 3D et infrarouge pour un contrôle dimensionnel et un contrôle non destructif (CDCND) 3D et thermographie Plan Section 1 Section 2 Section 3 Section 4 Section 5 Introduction Vision
a. Annexe 1 : Bassin versant du Rhône, localisation du site d'étude
a. Annexe 1 : Bassin versant du Rhône, localisation du site d'étude Cette étude est effectuée sur l ensemble du linéaire du Rhône, de l aval du lac Léman à la mer Méditerranée (Annexe 1). Afin d assurer
Les serveurs vocaux au service de l nformation voyageurs: Etat de l art et perspectives
Les serveurs vocaux au service de l nformation voyageurs: Etat de l art et perspectives Bernard PROUTS L Information Voyageur Horaires théoriques Situations perturbées Horaires «Temps réel» Itinéraires
Historique et Descriptif de GENIKON
Historique et Descriptif de GENIKON Historique : Le développement du système GENIKON a débuté en 1999 en Italie. En effet la société Nikon Italie était depuis plus de 10 ans, leader sur le marché de la
Informatique, spécialité AIGLE
Université de MONTPELLIER 2 1/3 Informatique, spécialité AIGLE L1 S1 Algebre et Analyse 1 10 L1 S1 Calculus 5 L1 S1 Du binaire au web 5 L1 S1 Introduction à l'algorithmique 5 L1 S1 Physique générale 5
PDF POUR LE PRINT (FORMATION OUVERTE À DISTANCE)
PDF POUR LE PRINT (FORMATION OUVERTE À DISTANCE) DURÉE 42 heures (équivalent présentiel) OBJECTIFS Maîtriser le vocabulaire lié au format et aux flux PDF Connaître les contraintes de PAO impactant la qualité
8TRD147: Animation et images par ordinateur
8TRD147: Animation et images par ordinateur Introduction au traitement numérique des images Y. Chiricota Département d informatique et de mathématique Université du Québec à Chicoutimi / Certaines des