Cours Perception, acquisition et analyse d’images
TP en ligne sous Python 3
TP en ligne sous Matlab / Scilab
Validation du cours et projets
Projets
Chaque projet consiste en l’étude approfondie d’un article de la littérature. A la fin du projet, chaque étudiant doit rendre ses codes complets et commentés, un rapport sur le projet, et présenter son travail lors d’une soutenance orale. Le rapport, rédigé en LaTeX, devra contenir :
- Une introduction expliquant et illustrant le problème.
- Une explication détaillée des algorithmes et codes et leur interprétation.
- Plusieurs exemples d’application.
- Attributions des sujets :
- Xavier Florez de la Colina, Zie Ouattara : projet 9
- Diala Hawat, Mariem Abaach et Mehdi Boussaa : projet 3
- Valentin Dumas, Adrien Monjean : projet 5
- Naima Bessaoud : projet 6
- Polina Arsenteva, Camille Petri : projet 2
- Gninwoyo Eric Hermann Coulibaly : projet 7 ou 8
Sujets
- Texture Synthesis Using Convolutional Neural Networks (code ICI) (**)
- Image Style Transfer Using Convolutional Neural Networks (code ICI). (**)
- A Wasserstein-type distance in the space of Gaussian Mixture Models (code ICI) (**)
- Synthesizing and Mixing Stationary Gaussian Texture Models (**) (code ICI)
- Simulated exposure fusion (**) (code et demo en ligne ICI)
- Image segmentation by Mean-shift (*) (code ICI)
- An algorithm for Gaussian texture inpainting (*)
- Patch-based image inpainting, en se basant sur le TP suivant (*)
- Study of the Principal Component Analysis Method for the Correction of Images Degraded by Turbulence (*)
Les projets 1 et 2 demandent d’être à l’aise avec le fait de manipuler des réseaux de neurones. On pourra utiliser un outil en ligne pour expérimenter. Les projets 3,4 et 7 sont plus théoriques que les autres, mais une partie pratique sera également demandée.
Voir également : rédiger votre rapport de projet en LaTeX