Présentation

Objectifs d’Ensemble

L'objectif général de cette équipe est de mettre au point des méthodes et des algorithmes de vision artificielle (Deep learning, Machine learning, CNN, etc,) pour interpréter les actions se déroulant dans une scène. Pour atteindre cet objectif, il faut pouvoir détecter les objets/personnes/visages/spoofing, les modéliser, et les suivre dans la vidéo en temps réel en utilisant les caractéristiques de Haar, LBP, WLD, etc.

Un deuxième volet d'intérêt de cette équipe est le développement de modèles, de méthodes, d'algorithmes et d’applications pour le traitement de données issues d’imageurs médicaux. Ces travaux donnent lieu à d'étroites collaborations entre traiteurs d’images et médecins. Les images considérées sont généralement massives, complexes et hétérogènes (données vectorielles, multisources, multimodales, séquences temporelles).

Les principaux axes de recherche, mais non exclusifs sont: Détection de la vivacité (anti-spoofing), l’extraction des caractéristiques (Haar, LBP, WLD, etc.), la Biométrie avec Deep Learning (CNN), l’étude de la déformation et recalage d'images, la segmentation d'images pour le développement d’applications d’aide au diagnostic, et l’assistance chirurgicale.

Mots-Clés : Deep learning, Machine learning, CNN, Spoofing, Biométrie, Temps réel, Convolution,Caractéristiques (Haar, WLD , LBP), Filtrage, segmentation, Reconstruction 3D/3D+T, Navigation virtuelle.