Tous les articles par Marine Campedel

Adepte de la Gestion Mentale (théorie d'Antoine de la Garanderie) et des pédagogies alternatives.

Mini-Cours : Le mouvement

Expert : Béatrice Pesquet Popescu

Une vidéo peut être restreinte à une séquence d’images. L’analyse de la scène imagée comprend la détection, l’identification et la caractérisation des objets présents et de leurs mouvements. La caméra induit elle-aussi un mouvement des objets d’une image à l’autre dans la séquence.  Dans ce mini-cours d’introduction, Béatrice Pesquet propose une initiation à l’analyse du mouvement.

 

Module : Classification par kPPV

Classification par k Plus Proches Voisins (kPPV)
proposé par :
Michel Roux (at telecom-paristech.fr, 96 84, bureau 5B60)
complexité : moyenne, cumulable avec d’autres modules
Descriptif
Lorsque l’on dispose d’un nombre important de données, il peut être envisagé de les classer, en exploitant un critère de similarité entre ces données. Par exemple, on peut vouloir créer une classe d’images qui se ressemblent en termes de couleurs ou créer une classe de sons qui ont des similarités acoustiques. Ces classes peuvent être connues à l’avance ou non, on parle alors de classification supervisée ou non supervisée. Les kPPV sont une méthode de classification supervisée, pour laquelle les classes souhaitées sont connues à l’avance et l’on dispose d’exemples de données associées à ces classes. Le terme kPPV désigne finalement la méthodologie employée pour classer une nouvelle donnée : cette donnée est comparée à toutes celles dont la classe est connue ; cette comparaison nécessite une mesure (distance, similarité) permettant de trouver les voisins, ie les données les plus proches selon cette mesure. La classe prédite pour la nouvelle donnée est généralement la classe majoritaire parmi ses k plus proches voisins. La valeur de k est un paramètre important dont la valeur est à discuter. Les données que nous manipulerons seront vectorielles. Il est possible de faire des opérations similaires sur des graphes, mais cela serait trop lourd à mettre en oeuvre dans PACT. Il est à noter qu’il existe de nombreux autres classificateurs (supervisés ou non). Différentes UE du cycle master vous sont proposées pour les découvrir, en particulier SI221 (Laurence Likforman).
Ressources dont le module dépend
  • aucune dépendance a priori mais possibilité d’exploiter une librairie JAVA (à choisir avec l’expert) pour développer le code de la classification.
  • UE de reconnaissance des formes (SI221)
  • définition mathématique d’une mesure, d’une distance, d’une similarité
  • une base de données (vectorielles) définie dans le projet du groupe
Exemples d’utilisation du module
  • sur des signatures d’images ou sons, en vue d’une classification ou pour retrouver une signature similaire dans une base de données
 Objectifs d’apprentissag
  • Notion en apprentissage automatique : distances, similarités, apprentissage, évaluation, validation croisée
  • Compétence à développer : à l’issue de ce module vous aurez défini et programmé un classificateur kPPV en Java et vous saurez l’évaluer sur une base de données
 Résultats attendus
  • PAN1 :
    • Savoir définir les termes suivants : une distance, une similarité, apprentissage automatique, classification.
    • Savoir expliquer en quoi cet outil de classification est a priori intéressant dans le projet du groupe.
  • PAN2 :
    • Livrable : Etude bibliographique sur les notions de distance et similarité
    • Livrable : Pseudo code implémentant la classification par kPPV, en Java et le programme de test afférant.
  • PAN3 :
    • Livrable : code Java et premières mesures de performance sur des données standards (par forcément en lien avec votre projet).
  • PAN4 : Livrable : rapport de performance, en situation d’usage.

Module : Indexation des images

Caractérisation globale des images par leur couleur
proposé par :

  • Expert : Michel Roux (@telecom-paristech.fr, 96 84, bureau 5B60)
  • Difficulté : moyenne, cumulable avec un autre module
Descriptif
Lorsque l’on travaille avec des images, il peut être utile (pour les comparer, les stocker et les retrouver) de caractériser leur contenu à l’aide d’une signature numérique. Cette signature contient souvent des informations (globales ou locales) sur les formes, couleurs et textures présentes dans l’image.Dans ce module, il vous est proposé de développer quelques programmes Java permettant d’extraire, d’un ensemble d’images, une signature globale reposant sur un histogramme de couleurs. Vous serez également amenés à comparer les signatures entre elles afin de vérifier leur pouvoir discriminant.
Ressources dont le module dépend
  • Chapitre 2 du livre « Sémantique et multimodalité en analyse de l’information »
  • Cours de Java
  • librairies Java2D et ImageJ par exemple
  • différentes démos en ligne (INRIA, image sat,  logos, …)
  • Cours en ligne : partie 1 et partie 2
Exemples d’utilisation du module
  • utile dans un système de reconnaissance d’images
  • le processus peut être étendu à d’autres types de signatures (formes, textures)
Objectifs d’apprentissage
  • Notions : image, couleur, histogramme, distance et similarité
  • Compétence à développer : à l’issue de ce module vous saurez :
    • caractériser le contenu d’une image à l’aide d’une signature contenant une information relative à la couleur contenue dans l’image.
    • saurez comparer deux images, en exploitant leurs signatures de couleur.
    • en déduire le meilleur espace de couleur pour votre projet (analyse et synthèse des résultats obtenus).
Résultats attendus
  • PAN1 :
    • Savoir définir les termes suivants : espace de couleur, histogramme de couleur, comparer des images, indexer.
    • Savoir expliquer en quoi cet outil d’indexation est a priori intéressant dans le projet du groupe.
  • PAN2 :
    • Livrable : Etude bibliographique sur les notions d’espaces de couleur et de mesure de comparaison de signatures de couleur, recenser différentes façons de caractériser l’information de couleur contenue dans une image.
    • Pseudo-codes pour l’implémentation d’une procédure de calcul de signature de couleur pour une image et pour la comparaison de deux signatures.
  • PAN3 :
    • Livrable : code Java implémentant l’extraction d’une signature de couleur d’une image et code Java implémentant la mesure de comparaison de deux signatures + bonus : code Java permettant d’organiser une base d’images en exploitant leurs signatures de couleur (K-Means).
  • PAN4 :
    • Livrable : rapport justifiant l’usage d’un espace de couleur et code Java correspondant aux simulations mises en œuvre (comparaison de différentes signatures, pour un ensemble conséquent d’images utiles à votre projet).

Préparation entretien individuel

Bonjour,
pour préparer et organiser l’entretien individuel de chacun d’entre vous, merci de me renvoyer la fiche ci-jointe remplie pour la date du
JEUDI 22/03.

Ceci n’est pas très long à faire (il faut etre complet mais concis) mais je vous demande :
1- de le faire par un mail à bertrand.david@telecom-paristech.fr (et copie au tuteur)
2- avec le meme sujet que ce mail : [PACT] IMPORTANT : fiche individuelle
3- au format PDF  (en suivant le modèle : template_fiche_individuelle )

merci de respecter scrupuleusement ces consignes, je n’aurais pas le temps sur 140 élèves de traiter les formats particuliers.
Merci d’avance a tous,

Bon courage pour cette dernière ligne droite de projet,
B. David

Déroulement et matériel

Bonjour à tous, étudiants impliqués dans PACT et équipes pédagogiques

Concernant les demandes de matériel, merci de ne pas contacter directement la DSI et de passer par vos tuteurs pour faire remonter vos besoins, au plus vite. Certains équipements sont gérés par l’équipe pédagogique et non la DSI. Nous sommes en mesure de faire quelques achats si besoin, cela sera réglé au cas par cas avec l’équipe.

Le déroulement a été modifié ce matin, afin de faire apparaître les rendez-vous informatiques vous permettant d’avancer dans vos spécifications Java. Une revue informatique est une présentation formelle par tout le groupe à ses encadrants Java (les tuteurs disposent de la liste des encadrants de chaque groupe). La première revue sera celle d’analyse. Les attentes en informatique sont détaillées dans le composant informatique « bonnes pratiques », merci de vous y référer précisément. Les TH qui ne sont pas listées explicitement, existent tout de même dans l’emploi du temps et doivent permettre au groupe d’avancer dans ses tâches. Des salles d’informatique sont réservées pour le Java, pour commencer à expérimenter : cependant attention de ne coder le prototype qu’une fois les spécifications établies et validées par les encadrants en informatique (au plus tard le 9 janvier).

Pendant la phase de réalisation, le tuteur n’intervient que ponctuellement, à l’aide du diagramme de tâches qui doit figurer dans vos annexes (dont la remise a été reportée au 4 décembre 23h00) : il vérifie l’avancement et vous aide dans l’organisation du groupe. A priori une réunion courte par semaine avec le tuteur doit suffire, mais c’est à chaque groupe d’estimer cela avec son tuteur. Les attentes du document B (=annexes techniques) sont détaillées ici. C’est à vous d’organiser les rdv avec les experts qui ont accepté de travailler avec vous.

Je suis à votre disposition, individuellement ou en groupe, si vous avez des suggestions, des problèmes dans le cadre de PACT.

Cordialement
Marine Campedel

Cours sur le mouvement et doc de soumission

Béatrice Pesquet Popescu propose lundi 21 novembre à 10h en B555, un « cours » sur l’analyse du mouvement dans les vidéos.
Les groupes 2.3, 4.3 et 5.3 ayant des sujets en lien avec cette thématique technique, sont invités à suivre ce cours.

Je vous rappelle que vous devez choisir un sujet d’ici demain et remplir le document de soumission A (cf site pédagogique, Dispositif/Déroulement) : ce document doit figurer sur votre site avant le 20 novembre et être imprimé et remis à Marianna Baziz, signé par tous les membres du groupe, lundi au plus tard. Ce document sera noté (cf site pedagogique Dispositif/Evaluation)

Cordialement
L’équipe pédagogique de PACT

suite de la foire : 5 infos !

Rebonjour à tous et merci de votre coopération pendant la rencontre de
ce matin !

Voici 5 informations à prendre en compte pour la suite de PACT :
1) N’oubliez pas de mettre votre compte-rendu de la foire sur votre site
projet
2) Vous avez du travail personnel à fournir pour la prochaine séance (15
novembre) : recherche bibliographique, réflexion sur le prototype de
votre projet. Il va falloir sélectionner un seul sujet très rapidement
et être en mesure de décrire les composantes Java de ce sujet.
3) les 16 et 18 novembre, vous aurez la visite des encadrants en
informatique : soyez prêts à les recevoir (15mn par visite !) et
finalisez votre idée de projet (n’hésitez pas à prendre des rendez-vous
avec les experts).
4) les prochaines échéances arrivent très vite : le 20 novembre, premier
document de réponse à la lettre de mission à fournir (cf modèle de
document en ligne, dans le déroulement) et 1er décembre, fourniture des
annexes techniques !
5) vous êtes maintenant tous des « subscriber » sur le site pact.wp.imt.fr :
nous avons supprimé la clause de visibilité en intranet, mais vous devez
maintenant vous logger pour voir tous les contenus.

Merci de votre attention et au travail !
L’équipe pédagogique de PACT