Titre : Modelisation conceptuelle multi-niveaux
Sujet 20: Modèles causaux multi agents
Yüklə 133,73 Kb.
|
- Bu səhifədəki naviqasiya:
- Langage de programmation
- Mots-Clés Moteur Diesel, système multi variable, commande tolérante aux fautes, module d’accommodation, calculateur embarqué, application temps réel. Durée
- Matériels et logiciels mis à disposition
- Mots-Clés Moteur Diesel, système multi variable, commande prédictive, réseau de neurones, calculateur embarqué, application temps réel. Durée
- Matériels et logiciels : Matlab / Simulink
- Durée : De Février à Juillet 2005
- Sujet 34 : Navigation dans une base de scénarii et décision en contexte
- Compétences requises Programmation Java - Xml
Sujet 20: Modèles causaux multi agentsEncadrant: Philippe Leray - philippe.leray@insa-rouen.frhttp://asi.insa-rouen.fr/~pleray/1 Cadre théoriqueLes réseaux bayésiens, et plus généralement les modèles graphiques sont des outils généraux développés assez récemment (Pearl 1988, Jensen 1996, Whittaker 1990, Jordan 1998). Les RB sont un mode intéressant de représentation d’une structure d’influence entre divers faits, états ou hypothèses d’états. Ils permettent de modéliser des informations telles que des dépendances causales, spatiales, temporelles, même si elles sont imparfaites ou manquantes. Les modèles causaux multi-agents sont des extensions particulières des RB proposées par [Maes et al. 2003] où chaque agent raisonne à partir d'un ensemble de variable qui lui est propre, mais qu'il partage partiellement avec un ou plusieurs autres agents. Cadre applicatifLe but de ce stage est de participer à l'implémentation de ces modèles et des algorithmes d'inférence et d'apprentissage sur lesquels nous travaillons actuellement, soit sous Matlab, en utilisant la Bayes Net Toolbox (Murphy 2000) soit en C++ avec la librairie PNL développée par INTEL. Un cas concret de système muti-agent causal servira d'expérience de test, soit dans le domaine du jeu, de la santé ou de la psychologie, en fonction des bases de données que nous arriverons à trouver ces prochains mois. En pratique Le stagiaire travaillera dans l'enceinte de l'INSA au Madrillet, sous la direction de Ph. Leray, Maître de Conférences à l'INSA de Rouen, directeur du département ASI et chercheur au Laboratoire PSI, et de Sam Maes en postdoc dans le laboratoire. L'étudiant rejoindra une équipe de plusieurs thésards travaillant dans des domaines connexes (apprentissage de structure dans les réseaux bayésiens, utilisation de réseaux bayésiens temporels, apprentissage de réseaux bayésiens causaux...). RéférencesBecker, Naïm 1999, Les réseaux bayésiens, Eyrolles. Heckerman 1996, A Tutorial on Learning with Bayesian Networks, MSR-TR-95-06 Heckerman 1997, Bayesian Networks for Data-Mining, Data-Mining and Knowledge Discovery 1(1):79-119. Jensen 1996, Introduction to Bayesian Networks, Springer Verlag. Jordan 1998, Learning in Graphical Models, Kluwer Academic Publishers. Maes et al. 2003, Identifiability of Causal Effects in a Multi-Agent Causal Model. Proceedings of IAT 2003. Murphy 2000, Bayes Net Toolbox for Matlab 5, http://www.cs.berkeley.edu/~murphyk/Bayes/bnt.html Whittaker 1990, Graphical Models in Applied Multivariate Statistics, John Wiley & Sons Ltd. Sujet 21: Algorithmes génétiques multi-critere adaptatifs Encadrants: Yves.Lecourtier@univ-rouen.fr, Sebastien.Adam@univ-rouen.fr Contexte En sciences pour l’ingénieur, la nécessité d’une optimisation simultanée de plusieurs critères est omniprésente. Elle consiste en la recherche d’un ensemble de compromis possibles entre objectifs antagonistes, ensemble dans lequel l’utilisateur final (ou le système) peut choisir le compromis qui lui convient le mieux. On citera à titre d’exemple dans le domaine de la reconnaissance de formes l’optimisation des couples taux de reconnaissance (à maximiser) / taux de confusion (à minimiser), dans celui des moteurs de recherche de document le compromis taux de rappel / taux de précision ou encore en compression d'images le compromis compression / pqualité de l’image. Dans d’autres domaines, on assiste également à un développement rapide de l’utilisation d’algorithmes d’optimisation multicritères pour des applications en mécanique, en robotique, en productique… Avec l’augmentation de la puissance des machines, les algorithmes génétiques, ou plus généralement les algorithmes évolutionnaires se sont révélés ces dix dernières années des outils extrêmement performants pour résoudre cette problématique de l’optimisation d'un vecteur critère à plusieurs dimensions. Plusieurs cas d’usage des AG multicritères ont déjà été traités avec succès au laboratoire PSI dans le cadre de stages précédents et ont donné lieu à des publications dans des conférences internationales. Ces études ont montré que malgré leur puissance, il était nécessaire de mettre en œuvre pour chaque application des approches sensiblement différentes, en spécialisant le codage des variables du problème, les paramètres de l’algorithme génétique (probabilité de croisement, de mutation…), les opérateurs génétiques eux même et plus généralement les stratégies d’évolution mettant en œuvre ces opérateurs. Dans le cadre de ce stage, nous proposons d’aller vers la conception d’un algorithme d’optimisation multicritères qui puisse s’adapter automatiquement au problème à traiter. Il s’agira d’abord, par une analyse de la littérature, de dresser une taxonomie des paramètres influant sur l’exécution un tel algorithme. Puis, il s’agira de déterminer un modèle suffisamment générique permettant d’adapter le plus automatiquement possible ces paramètres au vu d’un contexte. Ce modèle sera mis en œuvre par une adaptation du code existant. Compétence requises Aucune, le cours d’optimisation de Y. Lecourtier constitue toutefois une bonne base. Langage de programmationMatlab Ressources mises à disposition• Bibliographie • Poste informatique • Code Mathlab d'exemples antérieurs pour se familiariser avec le problème
Si l'on exclue quelques cas applicatifs très particuliers (lecture de chèques, d'adresses postales, de formulaires), la lecture automatique de l'écriture manuscrite est un problème d'intelligence artificielle qui est loin d'être résolu. En effet, aucun système n'est actuellement capable d'effectuer la lecture intégrale d'un document manuscrit sans information a priori sur celui ci. Si la lecture intégrale de documents manuscrits est actuellement utopique, nous travaillons actuellement au développement de systemes capables d'effectuer une lecture partielle des documents, c'est à dire d'en extraire l'information pertinente : extraction de mots clefs et de séquences numériques telles que les numéros de téléphone ou les codes postaux. Sujet Le sujet de stage concerne l'extraction de séquences numeriques dans des documents manuscrits quelconques. Nous proposons de réaliser un système basé sur la modélisation d'une ligne de texte manuscrite, dans un premier temps à l'aide de Modèles de Markov Cachés [1](MMC ou HMM pour Hidden Markov Models), puis de Champs Conditionnels Aléatoires [2] (ou CRF pour Conditionnal Random Fields). Le choix de ces deux outils est motivé par le fait qu'ils permettent une modelisation statistique de séquences, et sont donc particulièrement bien adaptés aux signaux réels tels que l'écriture. Après une étude bibliographique sur les HMM et les CRF, il s'agira de réaliser un système complet d'extraction de champs numériques à partir de briques logicielles. Comme nous avons déjà développé des systèmes opérationnels bassés sur des techniques voisines [3], nous possèdons la plupart des modules logiciels nécessaires à la réalisation de la chaîne de traitement : segmentation du document en ligne, classi cation des composantes, etc. Les travaux d'implémentations consisteront donc à réaliser les modules HMM et CRF (dont certains algorithmes sont déjà implémentés) à la tâche d'extraction des champs, et de réaliser l'apprentissage des modeles. Idéalement, les deux systèmes basés sur les HMM et CRF pourront être comparés. Compétences/Divers Dans la mesure où le stagiaire bénéficiera de nombreux outils existants développés dans l'équipe, le langage de développement et l'OS sont imposés : programmation C/C++ sous linux. Les personnes intéressées par le sujet sont invitées à rencontrer Clément Chatelain (bureau U2.1.53) pour en discuter et voir la démo des systèmes déjà existants. Références [1] Rabiner, L. R. A tutorial on hidden markov models and selected apllications in speech recognition. In Readings in Speech Recognition. Kaufmann, 1990, pp. 267-296. [2] Lafferty, J., A. McCallum and F. Pereira. Conditional random fields : Probabilistic models for segmenting and labeling sequence data. In Proc. 18th International Conf. on Machine Learning (2001), Morgan Kaufmann, San Francisco, CA, pp. 282-289. [3] Chatelain, C., L. Heutte and T. Paquet, A syntax-directed method for numerical eld extraction using classi er combination", 9th International Workshop on Frontiers in Handwriting Recognition, Tokyo, Japan, 2004, pp. 93-98. Sujet 23: Interface cerveau-machines : mise en oeuvre et applications Encadrement : Alain Rakotomamonjy alain.rakotomamonjy@insa-rouen.fr Stéphane Canu stephane.canu@insa-rouen.fr
Certaines personnes atteintes de maladies neurologiques peuvent être totalement paralysées du fait qu'elles ne peuvent plus contrôler leurs muscles. Pour ces personnes, seule l'utilisation de leur activité cérébrale et les signaux qui en découlent permet de communiquer. L'objectif de la recherche sur les interfaces cerveau-machine est le développement de la technologie pouvant améliorer cette communication. Le Laboratoire PSI dispose d'un système d'acquisition de données EEG et a acquis un certain savoir-faire dans la discrimination des signaux EEGs. Notre objectif a court-terme est de développer notre propre système BCI.
Sujet 24 : Détection et diagnostic de l’hypovigilance du conducteur dans le cadre de l’aide à la conduite automobile Encadrement : Caroline PETITJEAN, Gwenaëlle TOULMINET Email : caroline.petitjean@univ-rouen.fr, gwenaelle.toulminet@insa-rouen.fr Laboratoire d’accueil : Laboratoire PSI – Université de Rouen – Equipe PERSE Contexte Le sujet proposé s’inscrit dans le cadre de l’équipe PERSE (PERception de ScEne) du laboratoire PSI CNRS FRE 2645, et plus particulièrement dans le thème applicatif « Route Intelligente ». Ce sujet de recherche du thème PERSE est en adéquation avec le pôle de compétitivité « Logistique Haute Normandie » et le pôle de compétence « Transport et Logistique ». Les partenaires de recherche de l’équipe PERSE sont : VALEO, Technologies Nouvelles, Dip. Di Ingenieria dell’ Informazione (université de Parme), INRETS. Résumé Jusqu’à présent, l’équipe PERSE a principalement axé ses recherches sur la perception à l’avant du véhicule [1-2]. La perception à l’intérieur du véhicule, et plus particulièrement la détection et le diagnostic de l’hypovigilance du conducteur sont de nouveaux objectifs de recherche de l’équipe PERSE. Le besoin est réel puisqu’on estime que 30% des accidents routiers en France entre 1979 et 1994 sont dus à la fatigue ou à la somnolence. La fatigue est une des causes de 30 à 40% des accidents impliquant des poids lourds aux USA. Notons aussi que des programmes de recherche ont pour objectif de résoudre cette problématique (ex : AWAKE (http://www.awake-eu.org/), ARCOS 2004 (http://www.arcos2004.com/), …). En utilisant une approche conducteur – véhicule – infrastructure définie par l’Action de Recherche pour une COnduite Sécurisée (ARCOS 2004), le travail demandé consiste à :
Bibliographie [1] G. Toulminet, M. Bertozzi, S. Mousset, A. Bensrhair, A. Broggi, "Vehicle Detection by means of Stereo Vision-based Obstacles Features Extraction and Monocular Pattern Analysis ", IEEE transactions on Image Processing, à paraître. [2] G. Toulminet, S. Mousset, A. Bensrhair, "Stereo Vision-based Estimation of 3D Position and Axial Motion of Road Obstacles" International Journal of Image and Graphics - (IJIG), Special issue on 3D Reconstruction; p 99-125 (2004)
Sujet 25 : Détection des voies de circulation pour l’assistance à la conduite automobile Encadrement : Gwenaëlle TOULMINET Email : gwenaelle.toulminet@insa-rouen.fr page web : http://asi.insa-rouen.fr/~gtoulminet/ Abdelaziz BENSRHAIR Email : abdelaziz.bensrhair@insa-rouen.fr
Laboratoire PSI CNRS FRE 2645 – INSA de Rouen – Equipe PERSE Campus du Madrillet
Le sujet proposé s’inscrit dans le cadre de l’équipe PERSE (PERception de ScEne) du laboratoire PSI CNRS FRE 2645, et plus particulièrement dans le thème applicatif « Route Intelligente ». Ce sujet de recherche du thème PERSE est en adéquation avec le pôle de compétitivité « Logistique Haute Normandie » et le pôle de compétence « Transport et Logistique ». Les partenaires de recherche de l’équipe PERSE sont : VALEO, Technologies Nouvelles, Dip. Di Ingenieria dell’ Informazione (université de Parme), INRETS. Résumé : La détection des voies de circulation est une des premières problématiques de recherche qui a été abordée dans le domaine des véhicules intelligents [1]. Il existe de nombreux systèmes de détection des voies de circulation des autoroutes qui ont été conçus et intensivement testés dans des conditions réelles [2]. Le principe utilisé par ces systèmes est la détection des marquages au sol de séparation des voies. Cette méthode a l’avantage d’être très simple, mais échoue quand les marquages au sol sont détériorés, erronés (travaux), occultés (par des véhicules) ou inexistants (route de campagne). L’objectif de ce sujet de master est de résoudre ces problèmes en s’inspirant de travaux réalisés en robotique « off-road » (ex : [3]). Notons que la détection des voies de circulation a aussi pour objectif d’améliorer le système de détection d’obstacles conçu par l’équipe PERSE [4-5]. Le travail demandé consiste à : Effectuer une étude bibliographique sur la détection des voies de circulation sur route avec marquage sur route sans marquage (route de campagne, piste, …). Proposer une méthode performante de détection des voies de circulation des routes à partir d’une séquence d’image monoculaire couleur. Implémentation de la méthode proposée en utilisant le logiciel RTMaps (utilisé chez VALEO, Renault, PSA, EADS, INRETS, …) Bibliographie : [1] E. D. Diskmanns, « The developement of machine vision for road vehicles in the last decade », Proc. of the IEEE Intelligent Vehicles Symp. 2002, Versailles, 2002. [2] M. Bertozzi, A. Broggi, A. Fascioli, « Vision-based intelligent vehicles: State of the art and perspectives », Robotics and Autonomous Systems, vol. 32, 2000, p 1–16. [3] A. Rieder, B. Southall, G. Salgian, R. Mandelbaum, H. Herman, P. Rander, T. Stentz, « Stereo Perception of an Off-Road Vehicle », IV'2002. [4] G. Toulminet, M. Bertozzi, S. Mousset, A. Bensrhair, A. Broggi, « Vehicle Detection by means of Stereo Vision-based Obstacles Features Extraction and Monocular Pattern Analysis », IEEE transactions on Image Processing, à paraître. [5] G. Toulminet, S. Mousset, A. Bensrhair, «Stereo Vision-based Estimation of 3D Position and Axial Motion of Road Obstacles », International Journal of Image and Graphics - (IJIG), Special issue on 3D Reconstruction; p 99-125 (2004) Sujet 26 : Contribution à l'élaboration d'une commande tolérante aux fautes Application à un actionneur de moteur Diesel EncadrantsH. CHAFOUK houcine.chafouk@esigelec.fr 02 32 91 58 58 N. LANGLOIS nicolas.langlois@esigelec.fr 02 32 91 58 58 Laboratoire : IRSEEM-ESIGELEC Contexte environnemental Les véhicules équipés de moteur Diesel sont soumis à des normes antipollution de plus en plus exigeantes. Ainsi, depuis la première norme en 1976 jusqu’à nos jours, les émissions tolérées de particules pour ce type de moteur ont été divisées par 50, les émissions d’oxyde d’azote (NOx) par 3 et les émissions d’hydrocarbures imbrûlés par 4. De tels résultats ont été obtenus en utilisant progressivement différents accessoires comme le turbocompresseur et la vanne EGR (vanne permettant un recyclage partiel des produits issus de la combustion). L’introduction de ces actionneurs a été associée à des stratégies de contrôle moteur embarquées dans des calculateurs électroniques. A ce jour, les stratégies utilisées s'appuient essentiellement sur des boucles locales ne gérant pas les défauts éventuels de fonctionnement de ces actionneurs. La perspective des prochaines normes européennes qu'aucun véhicule actuel n’est capable de respecter incite donc à se pencher sur cette problématique entrant dans le cadre plus général de la sûreté de fonctionnement. Objectifs et travaux proposés Dans ce contexte, il est proposé de contribuer à l’élaboration d’une commande tolérante aux fautes intégrant un module d’accommodation. Ce module devra permettre à un système donné de maintenir ses objectifs de régulation en cas détection et de localisation d’une anomalie fonctionnelle. Ces travaux s’appuieront sur des travaux antérieurs effectués au sein de l’équipe « contrôle et diagnostic ». En collaboration avec les chercheurs de cette équipe, l'étudiant pourra effectuer ses travaux comme suit :
Mots-ClésMoteur Diesel, système multi variable, commande tolérante aux fautes, module d’accommodation, calculateur embarqué, application temps réel. DuréeStage de février/mars à juillet 2006. Profil du stagiaire Connaissances en Automatique de contrôle /commande. Matériels et logiciels mis à dispositionMatlab / Simulink, simulateur temps réel dSpace. Sujet 27 Contribution à l'élaboration d'un contrôleur prédictif neuronal : Application à la commande d'un moteur Diesel Coordonnées des responsables à contacterH. CHAFOUK houcine.chafouk@esigelec.fr 02 32 91 58 58 N. LANGLOIS nicolas.langlois@esigelec.fr 02 32 91 58 58 Contexte environnemental L’obligation pour les constructeurs automobiles de respecter les futures normes antipollution européennes (normes EURO V en 2008) rend nécessaire l’étude de nouvelles techniques de contrôle moteur. Suivant leur degré de sophistication, ces lois de commande qui gèrent maintenant le système d’air et le système d’injection peuvent faire appel ou non à des modèles du système considéré. L’existence de nombreux phénomènes non-linéaires difficilement modélisables a incité ces constructeurs à recourir d’une part à des correcteurs (de type PID) en boucle locale et d’autre part à des tableaux multidimensionnels (ou cartographies) donnant une consigne (de pression ou de débit par exemple) en fonction d’un régime moteur donné et d’autres paramètres. Objectifs et travaux proposés Dans ce contexte, il est proposé d’élaborer un contrôleur multi-variable prédictif faisant appel à un modèle interne établi sur la base d’un réseau de neurones. En effet, les précédents travaux de l’équipe « contrôle et diagnostic » ont montré l’intérêt de la commande prédictive en termes de poursuite de trajectoire. Par ailleurs, l’approche neuronale doit permettre de contourner les problèmes d’identification de paramètres qui sont rencontrés lorsqu’une modélisation de type boite blanche est utilisée. Ce contrôleur sera appliqué à la régulation simultanée de la pression d’alimentation dans le collecteur d’admission et du débit d’air en sortie du turbocompresseur. En s’appuyant sur les compétences de l'équipe, l'étudiant pourra effectuer ses travaux comme suit :
Mots-ClésMoteur Diesel, système multi variable, commande prédictive, réseau de neurones, calculateur embarqué, application temps réel. DuréeStage de février/mars à juillet 2006. Profil du stagiaire Connaissances en Automatique de contrôle /commande. Matériels et logiciels mis à dispositionMatlab / Simulink, simulateur temps réel dSpace, Sujet 28 : Etude comparative des techniques de détection EncadrementG. Hoblos, Enseignant Chercheur à l’ESIGELEC, équipe « Automatique & Systèmes », IRSEEM H. Chafouk, Directeur de la recherche à l'ESIGELEC, Responsable de l’équipe « Automatique & Systèmes », IRSEEM Lieu ESIGELEC, Saint Etienne de Rouvray, France Contexte scientifique De nombreux accidents sur des sites industriels, comme la pétrochimie ou l’agroalimentaire, peuvent être évités en installant des systèmes de surveillance qui vérifient la cohérence des signaux acquis, afin d’agir dans le cas de l’occurrence d’une défaillance. La détection des défauts représente une tâche primordiale pour assurer une telle mission. En effet, une bonne détection de défauts augmente les performances des algorithmes de diagnostic et par suite, entraîne une bonne maîtrise du fonctionnement des procédés. A titre d’exemple, si un avion perd de l’altitude, il serait intéressant et primordial que le système de supervision détecte ce mode de fonctionnement et agisse au plus vite sur les entrées de commande. Description et objectifs du stage Dans ce travail, nous souhaitons mettre en œuvre une comparaison de différentes techniques de détection de défauts issues de la recherche appliquée. Plusieurs phénomènes peuvent être analysés : une dérive lente, un changement de mode, un changement fréquentiel, etc. Les critères de comparaison seront : le taux des fausses alarmes, le taux de la non détection, la rapidité de la détection, etc. Les résultats obtenus seront validés sur des signaux de simulation d’un moteur électrique. Pour ce faire, l'étudiant s'appuiera sur les compétences de l'équipe et pourra effectuer ses travaux comme suit :
Le candidat retenu intégrera l’équipe "Automatique & Systèmes" de l'IRSEEM adossée à l’ESIGELEC (Ecole Supérieure d’Ingénieurs Généralistes) de Rouen. Mots-Clés : Diagnostic, détection, gestion des risques industriels. Pré-requis : Automatique, détection, traitement de signal, Logiciel MATLAB Matériels et logiciels : Matlab / SimulinkDurée : De Février à Juillet 2006Sujet 29 Surveillance d’un système industriel complexe EncadrementG. Hoblos, Enseignant Chercheur à l’ESIGELEC, équipe « Automatique & Systèmes », IRSEEM H. Chafouk, Directeur de la recherche à l'ESIGELEC, Responsable de l’équipe « Automatique & Systèmes », IRSEEM Durée : De Février à Juillet 2005Lieu : ESIGELEC, Saint Etienne de Rouvray, France Contexte scientifiqueLa maîtrise des risques, la sécurité des hommes et la sûreté de fonctionnement des équipements sont au cœur des enjeux régionaux, nationaux et internationaux actuels. A cela, s’ajoute l’aspect économique lié aux arrêts de production dus à des défauts de l’équipement, qui sont souvent coûteux dans les systèmes industriels complexes. Ces arrêts peuvent être causés par la panne d’une composante critique, mettant la sécurité des hommes en péril, ou augmentant la pollution de l’environnement. Un diagnostic rapide et efficace permettra d’identifier l’élément défaillant afin de prendre au plus vite les précautions nécessaires ou d’entamer une action de maintenance préventive ou corrective. Description et objectifs du stage Dans ce travail, nous nous intéresserons à élaborer un système de monitoring pour un bon fonctionnement d’un procédé de désulfuration de fumées d’une centrale thermique. Le candidat mettra en place un tel dispositif en exploitant des techniques de diagnostic appliqué. Pour mettre en application les algorithmes de détection et de localisation de défaillances établis, nous disposons d’une maquette de désulfuration de fumées, qu’on trouve dans certaines centrales thermiques, ainsi qu’un calculateur doté du logiciel Matlab/Simulink. Pour ce faire, l'étudiant s'appuiera sur les compétences de l'équipe et pourra effectuer ses travaux comme suit :
Le candidat retenu intégrera l’équipe "Automatique & Systèmes" de l'IRSEEM adossée à l’ESIGELEC (Ecole Supérieure d’Ingénieurs Généralistes) de Rouen. Mots-Clés : Diagnostic, Tolérance aux fautes, Gestion des risques industriels. Pré-requis : Automatique, Diagnostic, Logiciel MATLAB Matériels et logiciels :Matlab / SimulinkSujet 30: Segmentation de régions par mesure de texture couleur Encadrement : Christele.Lecomte@univ-rouen.fr (bureau U2.1.45), Unité :Laboratoire PSI, FRE 2645 Etablissement de rattachement : Université de Rouen But :
Applications possible : Sécurité, Vidéo surveillance Mots clés : segmentation d’images, scènes réelles, texture, couleur. Sujet 31 : Reconnaissance d’objets texturés dans un document Mise en œuvre d’outils de Traitement d’image : texture et couleur Encadrement : Christèle LECOMTE, Maître de conférences, Christele.Lecomte@univ-rouen.fr Mots clés : Document, Texture, couleur, images. Unité :Laboratoire PSI, FRE 2645 Etablissement de rattachement : Université de Rouen Description du sujet : Les techniques d’imagerie sont performantes pour extraire du texte dans un document comportant un fond homogène. Actuellement, les outils de reconnaissance de caractères (OCR) sont défaillant dès que l’on cherche à reconnaître un texte sur un fond coloré et / ou texturé. Ce stage à pour but d’étudier et de mettre en évidence un outil pertinent et robuste permettant d’extraites des images de documents les informations couleur et texture. Le travail de recherche proposé s’inscrit dans le cadre du domaine d’application ‘Document et mémoire’ du laboratoire PSI de l’Université de Rouen (laboratoire PSI). Il a pour objectif d’apporter une solution à un problème important en image, non résolu à l’heure actuelle. Approche proposée : Nous proposons dans un premier temps de réaliser un travail de recherche prospectif en traitement d’images afin de lister et comparer les méthodes utilisées en analyse de documents et OCR. (Méthode DJVU, …). Par la suite, un bilan de ces méthodes sera réalisé. Le développement d’outils de segmentation et d’analyse de texture aura pour objectif d’élaborer un index robuste et fiable vis-à-vis du bruit d’acquisition en particulier. Cet index devra permettre de d’évaluer le fond du document qui constitue l’information à soustraire pour obtenir le texte recherché. Une manipulation d’outils existants tels scanner, appareil numérique et webcam aura pour but de créer une base de données d’images de documents. Un classement des images d’après l’index proposé sera comparé avec le classement d’experts en traitement d’images. Sujet 32 : Suivi de véhicules dans les séquences d'images routières par attributs texturaux Encadrement : Christele.Lecomte@univ-rouen.fr (bureau U2.1.45), john.klein@etu.univ-rouen.fr (bureau U2.1.50) Mots clés : Séquences d’images, suivi temps réel, texture, couleur. Unité :Laboratoire PSI, FRE 2645 Etablissement de rattachement : Université de Rouen But : * implanter la nouvelle technique de Collins afin de comparer différents attributs texturaux (images de gabor, coocurences, ..)sur des séquences routières. * atteindre le temps réel Description du sujet : Les techniques d’imagerie sont performantes pour extraire des objets (véhicules) par segmentation dans un document comportant un fond homogène. Actuellement, les outils de reconnaissance d’objets sont peu fiables dès que l’on cherche à reconnaître un objet réel sur un fond coloré et texturé (route). Dans un article [Col2005], une technique de sélection d'attributs possédant le meilleur pouvoir discriminant entre un véhicule et le fond d'une image est présentée dans le cas d’images routières. De nouveaux attributs texturaux seront comparés à ceux de l’article afin d’améliorer la précision et le suivi de véhicule et pourront donner lieu à une publication. Le travail de recherche proposé s’inscrit dans le cadre du domaine d’application ‘PERSE Perception de ScEnes’ du laboratoire PSI de l’Université de Rouen (laboratoire PSI, FRE2645).
Ref : [Col2005] : Robert T. Collins, Yanxi Liu, Marius Leordenau, "Online Selection of Discriminative Tracking Features", IEEE Trans. on Pattern Analysis and Machine Intelligence, oct. 2005. Sujet 33 : Suivi de la route dans les séquences d'images routières par attributs texturaux Encadrement : Christele.Lecomte@univ-rouen.fr (bureau U2.1.45), Mots clés : Séquences d’images, suivi, temps réel, texture, couleur. Unité :Laboratoire PSI, FRE 2645 Etablissement de rattachement : Université de Rouen But : * implanter la technique de Koudeir afin de comparer différents attributs texturaux (images de gabor, coocurences, ..)sur des séquences de route. * atteindre le temps réel *
Les techniques d’imagerie sont performantes pour extraire des objets (route) par segmentation dans un document comportant un fond homogène. Actuellement, les outils de reconnaissance d’objets sont peu fiables dès que l’on cherche à reconnaître un objet réel sur un fond coloré et texturé. Quelques articles proposent des solutions sur des images fixes., les techniques de sélection d'attributs possédant le meilleur pouvoir discriminant entre la route et le fond seront adaptées aux séquences d’images routières . De nouveaux attributs texturaux seront mis en évidence afin d’améliorer la précision et le suivi de la route et pourront donner lieu à une poursuite en thèse. Le travail de recherche proposé s’inscrit dans le cadre du domaine d’application ‘PERSE Perception de ScEnes’ du laboratoire PSI de l’Université de Rouen (laboratoire PSI, FRE2645). Application possible : sécurité routière Sujet 34 : Navigation dans une base de scénarii et décision en contexteEncadrementYoussouf Saidali, Éric Trupin, Jacques Labiche Contexte :Dans le cadre de la thèse de Youssouf Saidali a été mise en place une plate-forme intitulée Activa pour Acquisition de connaissance en traitement d'image pour leur valorisation. Cette plate-forme permet à des experts de construire des scénarii de traitement d'une image à l'aide d'outils classiques et à des novices de rejouer ces scénarii sur de nouvelles images. Les scénarii stockent les informations liées aux différents outils employés pour aboutir au traitement global de chaque image ainsi que tous les paramètrages effectués par les experts. La difficulté de rejouer un scénario pour un novice en traitement d'image est de sélectionner le traitement adéquat pour une situation donnée ainsi que d'ajuster les valeurs de paramétrage. Le sujet proposé aborde donc le problème de la navigation dans une base de scénarii existants et de la sélection des bons outils avec les bons paramètres en fonction du contexte défini par le type d'image, l'état d'avancement des traitements et les résultats visualisés. La navigation dans la base se voudra dynamique dans le sens où elle permettra de changer de scénario en cours de traitement en fonction du contexte affiché. Compétences requisesProgrammation Java - Xml Ressources mises à disposition• Bibliographie • Poste informatique Yüklə 133,73 Kb. Dostları ilə paylaş:
|