Réduction de Dimension pour la Reconnaissance de Formes p.1/17
|
|
- Marie-Josèphe Lafontaine
- il y a 6 ans
- Total affichages :
Transcription
1 Réduction de Dimension pour la Reconnaissance de Formes Charles BOUVEYRON LMC-IMAG & INRIA Rhône-Alpes Réduction de Dimension pour la Reconnaissance de Formes p.1/17
2 Plan de l exposé Cadre du travail : la reconnaissance de formes Ce que l on souhaite faire... Pourquoi réduire la dimension? Ce qui existe... Pistes à explorer Quelques résultats Perspectives Réduction de Dimension pour la Reconnaissance de Formes p.2/17
3 Cadre du travail Perspective : approcher les capacités d apprentissage et de reconnaissance visuelle de l œil humain. séparer l objet du fond, reconnaître la classe de l objet (nécessite un apprentissage). Réduction de Dimension pour la Reconnaissance de Formes p.3/17
4 Cadre du travail Perspective : approcher les capacités d apprentissage et de reconnaissance visuelle de l œil humain. séparer l objet du fond, reconnaître la classe de l objet (nécessite un apprentissage). Outils : descripteurs locaux de l image, méthodes statistiques (réduction de dimension, apprentissage, classification). Réduction de Dimension pour la Reconnaissance de Formes p.3/17
5 Ce que l on souhaite faire... Réduction de Dimension pour la Reconnaissance de Formes p.4/17
6 Les données (détection) Le filtre de Harris-Laplace permet de détecter les points d intérêts de l image et leur échelle caractéristique associée. Réduction de Dimension pour la Reconnaissance de Formes p.5/17
7 Les données (détection) Le filtre de Harris-Laplace permet de détecter les points d intérêts de l image et leur échelle caractéristique associée. Filtre de Harris : basé sur la fonction d auto-corrélation A calculée sur un voisinage du point : ( ) Ix I x Ix I y A =. Iy I x Iy I y si A a deux valeurs propres fortes point d intérêt. Réduction de Dimension pour la Reconnaissance de Formes p.5/17
8 Les données (détection) Le filtre de Harris-Laplace permet de détecter les points d intérêts de l image et leur échelle caractéristique associée. Laplace : détection de l échelle caractéristique calcul du laplacien à plusieurs échelles en les points d intérêt, échelle caractéristique : s = max s { x,y (s)} Réduction de Dimension pour la Reconnaissance de Formes p.5/17
9 Les données (description) Descripteur SIFT [Low04] : un descripteur robuste [MS03] basé sur les gradients dans 8 directions de 4 4 imagettes autour du point d intérêt descripteur en dimension 128. invarient aux changements de luminosité (et aux transformations géométriques). Réduction de Dimension pour la Reconnaissance de Formes p.6/17
10 Pourquoi réduire la dimension? Réduire la dimension : trouver un nouvel espace combinaison (linéaire ou non) des dimensions initiales, de dimension sigificativement inférieure, qui contienne une grande part de l information totale. Réduction de Dimension pour la Reconnaissance de Formes p.7/17
11 Pourquoi réduire la dimension? Réduire la dimension : trouver un nouvel espace combinaison (linéaire ou non) des dimensions initiales, de dimension sigificativement inférieure, qui contienne une grande part de l information totale. Pourquoi? Trouver une représentation discriminante des données. S affranchir du fléau de la dimension (méthodes de classification). Cela permet aussi de débruiter les données. Réduction de Dimension pour la Reconnaissance de Formes p.7/17
12 Travaux existants Eigen-Images [Ref?] : Réduction de dimension par PCA pour la reconnaissance de visages. Descripteur basé sur un histogramme des échelles de gris. Réduction de Dimension pour la Reconnaissance de Formes p.8/17
13 Travaux existants Eigen-Images [Ref?] : Réduction de dimension par PCA pour la reconnaissance de visages. Descripteur basé sur un histogramme des échelles de gris. PCA-SIFT [KS03] : mise en évidence de l apport de la réduction de dimension pour la reconnaissance d objets. SIFT en dimension 3042 puis PCA en dimension 20 (dim. déterminée empiriquement), Résultats (appariement) : SIFT en dimension 3042 : 40% de corrects, SIFT en dimension 20 : 90% de corrects. Réduction de Dimension pour la Reconnaissance de Formes p.8/17
14 Les pistes à explorer... Méthodes de réduction de dimension : Analyse discriminante (LDA et QDA), Méthodes linéaires à noyaux (kernel-pca, kernel-lda), Méthodes non linéaires (LLE, AAC). Réduction de Dimension pour la Reconnaissance de Formes p.9/17
15 Les pistes à explorer... Méthodes de réduction de dimension : Analyse discriminante (LDA et QDA), Méthodes linéaires à noyaux (kernel-pca, kernel-lda), Méthodes non linéaires (LLE, AAC). Lien entre réduction de dimension et classification : LDA et règle de Bayes, Méthodes à noyaux et SVM Réduction de Dimension pour la Reconnaissance de Formes p.9/17
16 Quelques résultats... Réduction de dimension par LDA, Comparaison des méthodes PCA, LDA et LLE pour la reconnaissance d objet, Réduction de dimension sur des images artificielles, Réduction de Dimension pour la Reconnaissance de Formes p.10/17
17 Résultats : Projection par LDA Fig. 2 Réduction de dimension supervisée par LDA. Réduction de Dimension pour la Reconnaissance de Formes p.11/17
18 Résultats : Projection par LDA (a) 3 éléments moto + fond (b) éléments moto vs fond (c) 3 éléments moto Réduction de Dimension pour la Reconnaissance de Formes p.12/17
19 Résultats : PCA, LDA et LLE Fig. 3 Aire sous la courbe ROC en fonction de la dimension Réduction de Dimension pour la Reconnaissance de Formes p.13/17
20 Résultats : Images artificielles Objectif : maîtriser et comprendre le descripteur SIFT pour des objets simples, observer les effets d une transformation et du facteur d échelle. Réduction de Dimension pour la Reconnaissance de Formes p.14/17
21 Résultats : Images artificielles Objectif : maîtriser et comprendre le descripteur SIFT pour des objets simples, observer les effets d une transformation et du facteur d échelle. Protocole : rotation de l image d un objet simple (Ligne, carré) degré par degré, extraction des descripteurs dans toutes les positions, projection par ACP. Démonstration : animation des lignes. Réduction de Dimension pour la Reconnaissance de Formes p.14/17
22 Résultats : Images artificielles Fig. 4 Projection sur les 2 (resp. 3) premiers axes de l ACP. Réduction de Dimension pour la Reconnaissance de Formes p.15/17
23 Perspectives... Approche supervisée : Méthodes linéaires à noyaux couplées à SVM, Trouver un descripteur spécifique aux classes d objets (travail sur données artificielles). Approche semi-supervisée : EM partiellement classé distribution des descripteurs de l objet. Applications : Appariement, Recherche d une image dans une base d images, Identification d objets. Réduction de Dimension pour la Reconnaissance de Formes p.16/17
24 Quelques références... References [KS03] Y. Ke and R. Sukthankar. Pca-sift: A more distinctive representation for local image descriptors. Technical report, INTEL Research, [Low04] D. Lowe. Distinctive image features from scale-invariant keypoints. accepted for publication in the International Journal of Computer Vision, [MS03] K. Mikolajczk and C. Schmid. A performance evaluation of local descriptors. In IEEE Conference on Computer Vision and Pattern Recognition, Réduction de Dimension pour la Reconnaissance de Formes p.17/17
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
Plus en détailVérification audiovisuelle de l identité
Vérification audiovisuelle de l identité Rémi Landais, Hervé Bredin, Leila Zouari, et Gérard Chollet École Nationale Supérieure des Télécommunications, Département Traitement du Signal et des Images, Laboratoire
Plus en détailIdentification de nouveaux membres dans des familles d'interleukines
Identification de nouveaux membres dans des familles d'interleukines Nicolas Beaume Jérôme Mickolajczak Gérard Ramstein Yannick Jacques 1ère partie : Définition de la problématique Les familles de gènes
Plus en détailTraitement 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 détailAmélioration de la fiabilité d inspection en CND grâce à la fusion d information : applications en rayons X et ultrasons
Amélioration de la fiabilité d inspection en CND grâce à la fusion d information : applications en rayons X et ultrasons Ahmad OSMAN 1a, Valérie KAFTANDJIAN b, Ulf HASSLER a a Fraunhofer Development Center
Plus en détailSUPERVISION : Smart Condition Monitoring. Brand of ACOEM
SUPERVISION : Smart Condition Monitoring Brand of ACOEM 30 ANS D expérience OneProd présente SUPERVISION, une nouvelle génération d applications web dédiées à la maintenance conditionnelle intelligente.
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 détailUne introduction aux codes correcteurs quantiques
Une introduction aux codes correcteurs quantiques Jean-Pierre Tillich INRIA Rocquencourt, équipe-projet SECRET 20 mars 2008 1/38 De quoi est-il question ici? Code quantique : il est possible de corriger
Plus en détailEtat de l art de la Reconnaissance de Visage.
Chapitre 2 2.1 Introduction De nos jours, il existe des ordinateurs capables d effectuer des tâches faites par l homme, qui demandent de l intelligence. Malgré tout ce progrès, la machine est toujours
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 détailOptimisation des fonctions de plusieurs variables
Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables
Plus en détailL'intelligence d'affaires: la statistique dans nos vies de consommateurs
L'intelligence d'affaires: la statistique dans nos vies de consommateurs Jean-François Plante, HEC Montréal Marc Fredette, HEC Montréal Congrès de l ACFAS, Université Laval, 6 mai 2013 Intelligence d affaires
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 détailMCMC et approximations en champ moyen pour les modèles de Markov
MCMC et approximations en champ moyen pour les modèles de Markov Gersende FORT LTCI CNRS - TELECOM ParisTech En collaboration avec Florence FORBES (Projet MISTIS, INRIA Rhône-Alpes). Basé sur l article:
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 détailRecueil de formules. Franck Nicolas
Recueil de formules Nous avons répertorié dans cette section, les différentes formules expliquées tout au long de cet ouvrage, afin de vous permettre de trouver rapidement l opération que vous souhaitez
Plus en détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
Plus en détailINTRODUCTION AU DATA MINING
INTRODUCTION AU DATA MINING 6 séances de 3 heures mai-juin 2006 EPF - 4 ème année - Option Ingénierie d Affaires et de Projets Bertrand LIAUDET TP DE DATA MINING Le TP et le projet consisteront à mettre
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailOptimisation, traitement d image et éclipse de Soleil
Kléber, PCSI1&3 014-015 I. Introduction 1/8 Optimisation, traitement d image et éclipse de Soleil Partie I Introduction Le 0 mars 015 a eu lieu en France une éclipse partielle de Soleil qu il était particulièrement
Plus en détailLes travaux doivent être remis sous forme papier.
Physique mathématique II Calendrier: Date Pondération/note nale Matériel couvert ExercicesSérie 1 : 25 septembre 2014 5% RH&B: Ch. 3 ExercicesSérie 2 : 23 octobre 2014 5% RH&B: Ch. 12-13 Examen 1 : 24
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 détailWWW.ELCON.SE Multichronomètre SA10 Présentation générale
WWW.ELCON.SE Multichronomètre SA10 Présentation générale Le SA10 est un appareil portable destiné au test des disjoncteurs moyenne tension et haute tension. Quoiqu il soit conçu pour fonctionner couplé
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 détailContributions à l apprentissage statistique en grande dimension, adaptatif et sur données atypiques
Université Paris 1 Panthéon Sorbonne Mémoire présenté par Charles BOUVEYRON pour l obtention de l Habilitation à Diriger des Recherches Spécialité : Mathématiques Appliquées Contributions à l apprentissage
Plus en détailhttp://mondomaine.com/dossier : seul le dossier dossier sera cherché, tous les sousdomaines
Principales fonctionnalités de l outil Le coeur du service suivre les variations de position d un mot-clé associé à une URL sur un moteur de recherche (Google - Bing - Yahoo) dans une locale (association
Plus en détailCommande Prédictive des. Convertisseurs Statiques
Commande Prédictive des Convertisseurs Statiques 1 Classification des méthodes de commande pour les convertisseurs statiques Commande des convertisseurs Hystérésis MLI Cde Linéaire Fuzzy Logic Sliding
Plus en détailSystème ASC unitaire triphasé. PowerScale 10 50 kva Maximisez votre disponibilité avec PowerScale
Système ASC unitaire triphasé 10 50 kva Maximisez votre disponibilité avec Protection de première qualité est un système ASC triphasé de taille moyenne qui offre une protection électrique remarquable pour
Plus en détail5. Apprentissage pour le filtrage collaboratif
686 PARTIE 5 : Au-delà de l apprentissage supervisé 5. Apprentissage pour le filtrage collaboratif Il semble que le nombre de choix qui nous sont ouverts augmente constamment. Films, livres, recettes,
Plus en détailApprentissage statistique dans les graphes et les réseaux sociaux
Apprentissage statistique dans les graphes et les réseaux sociaux Patrick Gallinari Collaboration : L. Denoyer, S. Peters Université Pierre et Marie Curie AAFD 2010 1 Plan Motivations et Problématique
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 détailEnjeux mathématiques et Statistiques du Big Data
Enjeux mathématiques et Statistiques du Big Data Mathilde Mougeot LPMA/Université Paris Diderot, mathilde.mougeot@univ-paris-diderot.fr Mathématique en Mouvements, Paris, IHP, 6 Juin 2015 M. Mougeot (Paris
Plus en détailSolution logicielle pour le pilotage et l ERM. Journées d études IARD 26 mars 2010 2 mars 2010
Présentation d ERMS Solution logicielle pour le pilotage et l ERM Journées d études IARD 26 mars 2010 2 mars 2010 Sommaire 1 Présentation d ACTUARIS 2 Les problématiques rencontrées 3 Présentation d ERMS
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 détailDÉVERSEMENT ÉLASTIQUE D UNE POUTRE À SECTION BI-SYMÉTRIQUE SOUMISE À DES MOMENTS D EXTRÉMITÉ ET UNE CHARGE RÉPARTIE OU CONCENTRÉE
Revue Construction étallique Référence DÉVERSEENT ÉLASTIQUE D UNE POUTRE À SECTION BI-SYÉTRIQUE SOUISE À DES OENTS D EXTRÉITÉ ET UNE CHARGE RÉPARTIE OU CONCENTRÉE par Y. GALÉA 1 1. INTRODUCTION Que ce
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailReconnaissance de gestes : approches 2D & 3D
Reconnaissance de gestes : approches 2D & 3D Maher Mkhinini et Patrick Horain Institut Mines-Télécom/Télécom SudParis Département Électronique et Physique, 9 rue Charles Fourier, 91011 Evry, France Email
Plus en détailTechniques d interaction dans la visualisation de l information Séminaire DIVA
Techniques d interaction dans la visualisation de l information Séminaire DIVA Zingg Luca, luca.zingg@unifr.ch 13 février 2007 Résumé Le but de cet article est d avoir une vision globale des 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 détailPROBABILITÉS CONDITIONNELLES
PROBABILITÉS CONDITIONNELLES A.FORMONS DES COUPLES Pour la fête de l école, les élèves de CE 2 ont préparé une danse qui s exécute par couples : un garçon, une fille. La maîtresse doit faire des essais
Plus en détailSimulation de point de vue pour la localisation d une caméra à partir d un modèle non structuré
Simulation de point de vue pour la localisation d une caméra à partir d un modèle non structuré Pierre Rolin Marie-Odile Berger Frédéric Sur LORIA, UMR CNRS 7503, Université de Lorraine INRIA Nancy Grand
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailMICHEL ET AUGUSTIN DOSSIER 1 : Conquérir un nouveau secteur géographique
Session 2013 BREVET DE TECHNICIEN SUPÉRIEUR NÉGOCIATION ET RELATION CLIENT Corrigé E5 : Management et gestion d activités commerciales VERSION 23 MAI 2013 MICHEL ET AUGUSTIN DOSSIER 1 : Conquérir un nouveau
Plus en détailFonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples
45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et
Plus en détailMAP 553 Apprentissage statistique
MAP 553 Apprentissage statistique Université Paris Sud et Ecole Polytechnique http://www.cmap.polytechnique.fr/~giraud/map553/map553.html PC1 1/39 Apprentissage? 2/39 Apprentissage? L apprentissage au
Plus en détailNotes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables Fausto Errico Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2012 Table des matières
Plus en détailde calibration Master 2: Calibration de modèles: présentation et simulation d
Master 2: Calibration de modèles: présentation et simulation de quelques problèmes de calibration Plan de la présentation 1. Présentation de quelques modèles à calibrer 1a. Reconstruction d une courbe
Plus en détailChapitre 7. Circuits Magnétiques et Inductance. 7.1 Introduction. 7.1.1 Production d un champ magnétique
Chapitre 7 Circuits Magnétiques et Inductance 7.1 Introduction 7.1.1 Production d un champ magnétique Si on considère un conducteur cylindrique droit dans lequel circule un courant I (figure 7.1). Ce courant
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 détailURL analysées. Informations générales. Nb. de liens sponsorisés Google
1 sur 9 VRDCI 10, rue Augereau 75007 Paris - FRANCE Tel : 01 45 35 00 80 Email : vrdci@vrdci.com - Référencement naturel avec paiement aux résultats - Ingénierie et design de sites web, intranet et applicatifs
Plus en détailLaboratoire 4 Développement d un système intelligent
DÉPARTEMENT DE GÉNIE LOGICIEL ET DES TI LOG770 - SYSTÈMES INTELLIGENTS ÉTÉ 2012 Laboratoire 4 Développement d un système intelligent 1 Introduction Ce quatrième et dernier laboratoire porte sur le développement
Plus en détailTP Protocoles SMTP et POP3 avec Pratiquer l algorithmique
TP Protocoles SMTP et POP3 avec Pratiquer l algorithmique Introduction : Les protocoles SMTP et POP3 sont deux protocoles utilisés par la messagerie électronique (mail). Leur mise en œuvre étant simple,
Plus en détailMathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans
Mathématique et Automatique : de la boucle ouverte à la boucle fermée Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Maitine.Bergounioux@labomath.univ-orleans.fr Plan 1. Un peu de
Plus en détailElectrotechnique. Fabrice Sincère ; version 3.0.5 http://pagesperso-orange.fr/fabrice.sincere/
Electrotechnique Fabrice Sincère ; version 3.0.5 http://pagesperso-orange.fr/fabrice.sincere/ 1 Sommaire 1 ère partie : machines électriques Chapitre 1 Machine à courant continu Chapitre 2 Puissances électriques
Plus en détailDEMANDE D INFORMATION RFI (Request for information)
DOD SEICAM RFI Demande d information EVDEC Réf. : RFI_EVDEC- GT5_Outil_reporting_BI_v4.doc Page 1/11 DEMANDE D INFORMATION RFI (Request for information) OUTIL INTÉGRÉ DE REPORTING ET D ANALYSE DÉCISIONNELLE
Plus en détailarmasuisse Office fédéral de topographie swisstopo Cours geocat.ch 28 avril 2014
armasuisse Cours geocat.ch Plan 9.00 Présentation des participants Introduction métadonnées - geocat.ch Vue générale de l application geocat.ch Saisie simple Recherche et visualisation Validation Exercice
Plus en détailLambotte J.-M. Géographe-Urbaniste. Chercheur au Lepur ULg. Semaine Universitaire Luxembourgeoise de l'environnement - Libramont - 15-11-2011
Aménagement rural et développement durable Dépendance à la voiture en milieu rural : le cas de la Province du Luxembourg Constats, enjeux et pistes de solutions à moyen-long terme via l aménagement du
Plus en détailEvaluation du module "GESTION COMMERCIALE PARKINGS"
Evaluation du module "GESTION COMMERCIALE PARKINGS" INFORMATIONS PERSONNELLES Nom et Prénom du candidat : Cachet de l organisme de formation Entreprise / Site : Organisme de formation : Responsable de
Plus en détailPompes à carburant électriques
Page 1/8 Pompes à carburant électriques Récapitulatif du produit pour une utilisation universelle PRODUCT INFORMATION Véhicule/application Produit N PIRBURG voir catalogue/cd TecDoc Pompe à carburant électrique
Plus en détailFonctions de plusieurs variables. Sébastien Tordeux
Fonctions de plusieurs variables Sébastien Tordeux 22 février 2009 Table des matières 1 Fonctions de plusieurs variables 3 1.1 Définition............................. 3 1.2 Limite et continuité.......................
Plus en détailContexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
Plus en détailBASE. Vous avez alors accès à un ensemble de fonctionnalités explicitées ci-dessous :
BASE BioArray Software Environment (BASE) est une base de données permettant de gérer l importante quantité de données générées par des analyses de bio-puces. BASE gère les informations biologiques, les
Plus en détailSpectrophotométrie. Spectrophotomètre CCD2. Réf : 701 606. Version 1.0. Français p 2. Version : 4105
Réf : Version 1.0 Français p 2 Version : 4105 Spectrophotomètre CCD2 1 Avant-propos et description Chère cliente, cher client, nous vous félicitons d'avoir choisi notre Spectrophotomètre CCD2 pour réaliser
Plus en détailQUESTIONNAIRE CAHIER DES CHARGES POUR FACILITER LA CREATION DE VOTRE SITE WEB
QUESTIONNAIRE CAHIER DES CHARGES POUR FACILITER LA CREATION DE VOTRE SITE WEB 1. Quel est mon idée? Mon concept? Un site vitrine Un portfolio Un site de commerce 2. Quel est l objectif de mon site? 3 quels
Plus en détailDP 500/ DP 510 Appareils de mesure du point de rosée mobiles avec enregistreur
DP 500/ DP 510 Appareils de mesure du point de rosée mobiles avec enregistreur de données Les nouveaux appareils DP 500/ DP 510 sont les appareils de service mobiles idéaux pour mesure le point de rosée
Plus en détailEconomique, rapide, simple, efficace. Estimation sur mesure, pour votre Assureur CoteAutoClassic, le site de référence, comment procéder?
Economique, rapide, simple, efficace. Estimation sur mesure, pour votre Assureur CoteAutoClassic, le site de référence, comment procéder? Il n est pas toujours facile de faire expertiser son véhicule de
Plus en détailMise en pratique : Etude de spectres
Mise en pratique : Etude de spectres Introduction La nouvelle génération de spectromètre à détecteur CCD permet de réaliser n importe quel spectre en temps réel sur toute la gamme de longueur d onde. La
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 détailNettoyeur haute pression Grand Public C 110.4
Grâce à leurs nombreux équipements, ces NHP permettent d effectuer des nettoyages occasionnels domestiques. pompe métal et pistons inox Quick Coupling (raccord rapide et tournant du flexible) Click & Clean
Plus en détailRecherche d'images par le contenu Application au monitoring Télévisuel à l'institut national de l'audiovisuel
Recherche d'images par le contenu Application au monitoring Télévisuel à l'institut national de l'audiovisuel Alexis Joly alexis.joly@inria.fr INRIA - IMEDIA Alexis Joly cours monitoring p. 1 Plan de l'exposé
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 détailBUREAUX D ÉTUDES INSTALLATEURS DISTRIBUTEURS EXPLOITANTS LOGICIEL DE DIMENSIONNEMENT ECS
BUREAUX D ÉTUDES INSTALLATEURS DISTRIBUTEURS EXPLOITANTS LOGICIEL DE DIMENSIONNEMENT ECS LOGICIEL DE DIME FAITES DU LOGICIEL AQUATIC VOTRE OUTIL DE PRÉDILECTION, QUE VOUS SOYEZ : Bureau d études Sélectionnez
Plus en détailEN RECHERCHE D UN POSTE À RESPONSABILITÉS
EN RECHERCHE D UN POSTE À RESPONSABILITÉS Loïc CRUZ 07.77.306.193 loic.cruz@gmail.com Sommaire 1 2 3 4 5 Présentation personnelle Etudes et diplômes Expérience professionnelle Domaines de compétences Langues
Plus en détailMesure. Multimètre écologique J2. Réf : 251 055. Français p 1. Version : 0110
Français p 1 Version : 0110 Sommaire 1 Présentation... 2 1.1 Description... 2 1.2 Type d alimentation... 3 1.2.1 Alimentation par générateur... 3 1.2.2 Alimentation par piles... 3 2 Sécurité... 3 2.1 Signalétique
Plus en détailReconnaissance et suivi de visages et implémentation en robotique temps-réel
Université Catholique de Louvain Ecole Polytechnique de Louvain Mémoire de fin d études Reconnaissance et suivi de visages et implémentation en robotique temps-réel Réalisé par Mathieu Van Wambeke en vue
Plus en détailEfficace et ciblée : La surveillance des signaux de télévision numérique (2)
Efficace et ciblée : La surveillance des signaux de télévision numérique (2) La première partie de cet article publié dans le numéro 192 décrit la méthode utilisée pour déterminer les points de surveillance
Plus en détailRevue des algorithmes PCA, LDA et EBGM utilisés en reconnaissance 2D du visage pour la biométrie
Revue des algorithmes PCA, LDA et EBGM utilisés en reconnaissance 2D du visage pour la biométrie Nicolas MORIZET, Thomas EA, Florence ROSSANT, Frédéric AMIEL, Amara AMARA Institut Supérieur d Électronique
Plus en détailEnregistrement et transformation du son. S. Natkin Novembre 2001
Enregistrement et transformation du son S. Natkin Novembre 2001 1 Éléments d acoustique 2 Dynamique de la puissance sonore 3 Acoustique géométrique: effets de diffusion et de diffraction des ondes sonores
Plus en détailDRIVING CENTER. www.circuitpaulricard.com
DRIVING CENTER www.circuitpaulricard.com Un concept innovant Un concept innovant La nouvelle référence des pistes «Loisirs» Le Driving Center est la première piste en France qui intègre sur un même tracé
Plus en détailR-ICP : une nouvelle approche d appariement 3D orientée régions pour la reconnaissance faciale
R-ICP : une nouvelle approche d appariement 3D orientée régions pour la reconnaissance faciale Boulbaba BEN AMOR, Karima OUJI, Mohsen ARDABILIAN, et Liming CHEN Laboratoire d InfoRmatique en Images et
Plus en détailBienvenue à l Eye Tracking Day 2015
Bienvenue à l Eye Tracking Day 2015 Prof. Cécile van de Leemput Centre de Recherche en Psychologie du Travail et de la Consommation http://psytc.ulb.ac.be 3 ème édition Eye Tracking Day Paris 2014 & Brest
Plus en détailBIG Data et R: opportunités et perspectives
BIG Data et R: opportunités et perspectives Guati Rizlane 1 & Hicham Hajji 2 1 Ecole Nationale de Commerce et de Gestion de Casablanca, Maroc, rguati@gmail.com 2 Ecole des Sciences Géomatiques, IAV Rabat,
Plus en détailACCÈS SÉMANTIQUE AUX BASES DE DONNÉES DOCUMENTAIRES
ACCÈS SÉMANTIQUE AUX BASES DE DONNÉES DOCUMENTAIRES Techniques symboliques de traitement automatique du langage pour l indexation thématique et l extraction d information temporelle Thèse Défense publique
Plus en détailAnalyse des correspondances avec colonne de référence
ADE-4 Analyse des correspondances avec colonne de référence Résumé Quand une table de contingence contient une colonne de poids très élevé, cette colonne peut servir de point de référence. La distribution
Plus en détailAxalone France vous présente. Ses solutions. Société Axalone France 10, avenue d Anjou 91.940 LES ULIS
Axalone France vous présente Ses solutions Société Axalone France 10, avenue d Anjou 91.940 LES ULIS Resp. technique : Monsieur BOVE Téléphone : 01.69.31.39.61 Email : cbove@axalone.com Introduction Axalone
Plus en détailComparatif entre Matrox RT.X2 et Adobe Premiere Pro CS3 (logiciel seul)
Comparatif entre et Adobe Premiere Pro CS3 (logiciel seul) offre la puissance de montage en temps réel et les outils de productivité supplémentaires dont vous avez besoin pour tirer pleinement parti d'adobe
Plus en détailCRM PERFORMANCE CONTACT
CRM PERFORMANCE CONTACT PREMIUM 3ème génération Un concentré de haute technologie pour augmenter de 30 % vos rendez-vous Le Vinci, 2 place Alexandre Farnèse 84000 Avignon Tél : + 33 (0)4 90 13 15 88 Télécopie
Plus en détailParcours FOAD Formation EXCEL 2010
Parcours FOAD Formation EXCEL 2010 PLATE-FORME E-LEARNING DELTA ANNEE SCOLAIRE 2013/2014 Pôle national de compétences FOAD Formation Ouverte et A Distance https://foad.orion.education.fr Livret de formation
Plus en détailApprentissage Automatique
Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailObject detection in underwater images
Object detection in underwater images Sébastien Helan (1), Jean-Christophe Burie (1), Thierr Bouwmans (1), Stéphane Bazeille (2) (1) Laboratoire L3i, Université de La Rochelle, 17042 La Rochelle Cede 1,
Plus en détailCouplages multiples. Simulation Toolbox optimise les propriétés diélectriques et thermiques du matériel électrique
Couplages multiples Simulation Toolbox optimise les propriétés diélectriques et thermiques du matériel électrique Andreas Blaszczyk, Jörg Ostrowski, Boguslaw Samul, Daniel Szary Confrontés aux exigences
Plus en détail1.1 Codage de source et test d hypothèse
Théorie de l information et codage 200/20 Cours 8février20 Enseignant: Marc Lelarge Scribe: Marc Lelarge Pour information Page webdu cours http://www.di.ens.fr/~lelarge/info.html Notations Pour des variables
Plus en détailDistribution d électricité et réseaux souterrains
Distribution d électricité et réseaux souterrains Cabos 09-2 - 3 octobre 2009 Maceió, Alagoas, Brésil Les réseaux de distribution : un enjeu essentiel Les réseaux de distribution constituent une infrastructure
Plus en détailRappel sur les bases de données
Rappel sur les bases de données 1) Généralités 1.1 Base de données et système de gestion de base de donnés: définitions Une base de données est un ensemble de données stockées de manière structurée permettant
Plus en détailSpécificités, Applications et Outils
Spécificités, Applications et Outils Ricco Rakotomalala Université Lumière Lyon 2 Laboratoire ERIC Laboratoire ERIC 1 Ricco Rakotomalala ricco.rakotomalala@univ-lyon2.fr http://chirouble.univ-lyon2.fr/~ricco/data-mining
Plus en détailApprentissage non paramétrique en régression
1 Apprentissage non paramétrique en régression Apprentissage non paramétrique en régression Résumé Différentes méthodes d estimation non paramétriques en régression sont présentées. Tout d abord les plus
Plus en détailGénéralités. Aperçu. Introduction. Précision. Instruction de montage. Lubrification. Conception. Produits. Guides à brides FNS. Guides standards GNS
Généralités Aperçu Introduction Précision Instruction de montage Lubrification Conception page............................. 4............................. 5............................. 6.............................
Plus en détail