1. Turbo-DC-FPSK: étude de modulation et codage conjoint avec récepteur itératif pour les communications optiques sans fil. Paul Miqueu, Muhammad Jehangir Khan, Yannis Le Guennec, Laurent Ros. p. 1-4 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons un schéma d'émission/réception permettant d'atteindre une efficacité spectrale modulable et une bonne efficacité énergétique pour les communications optiques sans-fil bas débit. Elle combine la modulation DC-FPSK et un code convolutif très simple dans un schéma parallèle à l'émission, ainsi qu'un turbo décodage adapté aux formes d'ondes DC-FPSK à la réception, via l'algorithme BCJR. C'est une adaptation au domaine des communications optiques sans fil (avec contrainte de modulation d'intensité et détection directe) d'une technique (Coplanar Turbo-FSK) développée à l'origine pour les communications Radio-Fréquence longue portée bas débit. Les résultats de simulation montrent un gain énergétique de l'ordre de 5 dB par rapport à la technique DC-FPSK de l'état de l'art pour un Taux d'Erreur Binaire de 10−4.

2. Pourquoi et comment démanteler le numérique? Romain Couillet, Grégoire Poissonnier. p. 5-8 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Prenant appui sur cinquante ans de travaux en sciences sociales, sur l'accumulation des connaissances relatives à l'anéantissement biologique mondial ainsi que sur les analyses révélant l'illusion techno-solutionniste, cet article vise à démontrer l'urgence impérieuse d'un démantèlement effectif du monde numérique. Une grille d'évaluation et des pistes d'engagement individuel et collectif sont développées.

3. De la séparation de sources à l'analyse en composantes indépendantes, et au-delà Christian Jutten, Pierre Comon. p. 9-12 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La séparation de sources, apparue dans les années 80, a été largement étudiée en France, avec des contributions remarquables de plusieurs pionniers, le soutien du GDR ISIS et des ses directeurs. Cet article court retrace quelques étapes de cette histoire. Une version longue de l'article est disponible sur HAL.

4. Les impacts sociaux du numérique, grands oubliés de la transition écologique? Romain Couillet, Grégoire Poissonnier, Simon Chabanne, de Bourmont Céleste, Demars Pierre-Thomas, Girard Valentin, Mignerey-Koelsch Julie, Hodencq Sacha. p. 13-16 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article explore l'un des impensés de la volonté récente de transition écologique du numérique : les puissantes dérives sociales qui l'accompagnent et le structurent. Largement dominées par une vision quantitative (émissions de CO2, efficacité énergétique, etc.) propre au contexte scientifique moderne, nous rappelons ici que les réponses du numérique aux enjeux socio-environnementaux constituent en réalité une fuite en avant délétère pour les populations humaines et non humaines de la planète.

5. HOSVD Tronquée : Analyse d'une Approximation Tensorielle Rapide Hugo Lebeau, Romain Couillet, Florent Chatelain. p. 17-20 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les outils de la théorie des matrices aléatoires nous permettent d'étudier un modèle spike tensoriel modélisant l'observation bruitée d'un signal de petit rang multilinéaire. Une caractérisation précise du comportement spectral des dépliements du tenseur révèle un phénomène de transition de phase, en-dessous de laquelle l'information ne peut pas être reconstruite. Cette analyse donne les performances exactes de l'approximation par HOSVD tronquée. Il s'agit d'une première étape vers l'étude précise de l'approximation tensorielle de petit rang.

6. Peeling pour le problème des moindres carrés avec régularisation L0 Theo Guyard, Gilles Monnoyer, Clément Elvira, Cedric Herzet. p. 21-24 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente une nouvelle méthode, appelée “peeling”, visant à accélérer la résolution des problèmes de moindres carrés avec régularisation l0 via un algorithme “Branch and Bound”. Notre procédure permet de renforcer les relaxations convexes construites à chaque noeud de l'arbre de décision exploré par l'algorithme et mène ainsi à un élagage potentiellement plus performant. Nous montrons empiriquement que le peeling permet des gains significatifs en termes de nombre de noeuds explorés par le Branch and Bound et de temps de résolution.

7. Détection quantique en présence de bruit : analyse théorique et étude expérimentale sur un processeur quantique. François CHAPEAU-BLONDEAU, Nicolas DELANOUE. p. 25-28 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Sur les technologies quantiques pour le traitement de l'information et du signal, trois problématiques interconnectées sont abordées ici : (i) Nous examinons un problème de traitement du signal quantique - un problème de détection - en présence de bruit quantique ou de décohérence, avec ses formulation et analyse théoriques. (ii) Nous réalisons les mise en oeuvre et étude expérimentales de la tâche de détection, sur un processeur quantique accessible publiquement sur Internet, en illustrant aussi les possibilités génériques de tels processeurs. (iii) Nous montrons expérimentalement pour la première fois une possibilité de résonance stochastique ou d'amélioration par le bruit ou la décohérence, dans la tâche de détection quantique, comme cela a été prévu théoriquement il y a peu.

8. Une approche bayésienne pour la suppression des grilles anti-diffusion Hacheme AYASSO, Florian Cotte, Matthieu Chancel, Jean-Michel Vignolle, Michel Desvignes. p. 29-32 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les grilles anti-diffusion sont utilisées pour réduire le rayonnement diffusé et améliorer le contraste mais provoquent des artefacts dans l'image radiographique. Pour les éliminer, la plupart des méthodes de traitement d'images utilisent un filtre coupe-bande qui laisse un artefact en anneau et/ou dégrade le contenu clinique. Nous proposons une nouvelle méthode de suppression de la grille anti-diffusion basée sur l'estimation spectrale et sur un modèle physique d'image de la grille, du contenu clinique et du bruit. Les paramètres du modèle sont supposés invariable localement et un traitement par patch est appliqué pour avoir une bonne précision de l'estimation. Appliquée sur des grilles synthétiques et sur des images cliniques, elle supprime efficacement la grille en conservant les détails de l'image et en évitant les artefacts d'anneau. Les résultats sont meilleurs que les approches de filtrage conventionnelles, en particulier lorsque les matériaux métalliques sont présents.

9. Graphes programmables intriqués pour l'identification d'empreintes Radio-Fréquence Alice Chillet, Baptiste Boyer, Robin Gerzaguet, Karol Desnos, Matthieu Gautier. p. 33-36 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce papier propose d'utiliser les graphes programmables intriqués ou Tangled Program Graph (TPG) dans le cadre de l'identification d'empreintes Radio Frequence (RF) ou Radio Frequency Fingerprint. Une empreinte RF est une signature unique créée par les distorsions électromagnétiques des différents composants matériels du dispositif radio. Cette signature est inscrite dans le signal émis et peut être utilisée comme un identifiant, par nature sécurisé car non reproductible. L'état de l'art présente des solutions d'identification par classification des empreintes grâce à des Réseaux de Neurones Convolutifs ou Convolutional Neural Network (CNN). Les TPG sont des modèles d'apprentissage par renforcement ou Renforcement Learning (RL), basés sur des techniques d'évolution génétique moins complexes que les réseaux de neurones. Ce papier propose d'utiliser la classification par TPG pour identifier à moindre coût et efficacement des empreintes RF. Les résultats montrent que la vitesse de convergence des TPG est comparable à celle obtenue par un réseau de neurones de l'état de l'art avec des performances en test comparables.

10. Optimisation de la résolution des données source pour une approche de la connectivité sans fil des systèmes de mesure infrasonore Samir-Sharif El Rhaz, Antoine Courtay, Anthony Hue, Olivier Berder. p. 37-40 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Aborder la connectivité sans fil au sein de réseaux de capteurs infrasonores, opérant dans un mode d'acquisition continu, est une tâche délicate. Le concepteur est tenu de lever des contraintes fortes sur la capacité du canal de transmission, au regard des limitations légales sur les bandes ISM, des distances adressées, et du volume de données source. Une diminution du débit minimal requis en transmission semble nécessaire. Cet article examine les compromis clés sur la transmission radio des données d'acquisition. Nous proposons une analyse du bruit intrinsèque d'un système de mesure infrasonore à la conception. Nous démontrons qu'une optimisation de la résolution des échantillons est possible, d'après l'estimation du nombre de bits effectif du système, autorisant une nette réduction du volume de données à transmettre, jusqu'à 20%.

11. Architecture temps-réel pour l'interception de signaux Bluetooth porteurs de compromission Corentin Lavaud, Robin GERZAGUET, Matthieu GAUTIER, Olivier Berder. p. 41-44 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article propose une architecture temps réel dédiée à l'interception de signaux Bluetooth en vue de procéder à une analyse de vulnérabilités d'un canal caché. Ces travaux s'inscrivent dans le contexte dit de "TEMPEST télécom" où un signal légitime porteur d'information est couplé avec une compromission souvent bande étroite (signal audio, clef de chiffrement, ...). On s'intéresse aux systèmes Bluetooth dont la couche physique utilisant le saut de fréquence rend la détection et l'exploitation de ce canal caché plus complexe. Comme la séquence de saut est inconnue par le récepteur réalisant l'analyse, nous décrivons une architecture matérielle temps-réel à base de radio logicielle capable de détecter le canal Bluetooth utilisé et d'extraire la vulnérabilité. Enfin, nous dévoilons une vulnérabilité sur une puce nRF52832 où un signal issu d'une PWM interne est extrait via la réception du signal Bluetooth.

12. Imagerie à travers les murs : Etude d'incertitude sur les caractéristiques du mur et du radar Yanisse Boudrouz, Israel Hinostroza, Mohammed Serhir, Christelle Eyraud. p. 45-48 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'imagerie radar à travers les murs est une technique utilisant les ondes radio pour détecter et identifier des objets cachés derrière un mur. C'est un domaine de recherche prometteur dans la communauté du radar. Elle s'est avérée être une solution très efficace dans de nombreuses applications civiles et militaires, telles que le sauvetage, la surveillance et l'identification. L'étude présentée vise à établir les conséquences d'une mauvaise évaluation des caractéristiques du mur et du radar sur les résultats de l'imagerie radar.

13. Détection de Comportements Anormaux dans des Trajectoires de Navires avec One-Class SVM et Dynamic Time Warping Valérian MANGE, Jean-Yves TOURNERET, Francois VINCENT, Laurent MIRAMBELL, Fabio MANZONI VIEIRA, Barbara Pilastre. p. 49-52 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La détection d'anomalies dans le domaine de la surveillance maritime est un enjeu majeur pour la sécurité des navires et des nations. De nombreux algorithmes de détection d'anomalies sont disponibles dans la littérature mais ils ne sont pas tous adaptés à l'analyse de séries temporelles comme les trajectoires de navires, en particulier lorsque ces trajectoires n'ont pas la même longueur. Cet article présente une manière d'adapter l'algorithme One-Class SVM à la détection d'anomalies dans des séries temporelles associées à des trajectoires de navires à l'aide d'un noyau basé sur une mesure de similarité de type “dynamic time warping”. Les résultats obtenus avec cet algorithme sont comparés à ceux obtenus avec une méthode de l'état de l'art.

14. Prédiction de couvertures radio indoor avec des réseaux de neurones antagonistes génératifs Cheick Tidiani Cissé, Oumaya BAALA, Valéry GUILLET, François SPIES, Alexandre CAMINADA. p. 53-56 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La prédiction de cartes de couvertures radio en indoor et en outdoor reste un défi de grand intérêt grâce au grand nombre d'applications qu'elle permet. De nombreuses méthodes existent pour cette tâche. Cependant, chacune d'elle a ses limites (temps de calcul, précision, niveau de détails requis en entrée, généralisation à différents environnements). De plus, le problème semble moins étudié en indoor qu'en outdoor. Dans cet article, nous proposons un modèle multi-matériaux pour la prédiction de cartes radio indoor à l'aide de réseaux de neurones antagonistes génératifs (cGAN) et d'images de plan en entrée. La validité et l'efficacité de notre méthode sont vérifiées sur des données simulées. Les résultats numériques montrent que notre approche est plus performante que les méthodes de l'état de l'art.

15. Solution de génération de formes 2D d'objets basée sur des connaissances préalables pour la cartographie sémantique Abdessalem ACHOUR, Hiba Al ASSAAD, Yohan DUPUIS, Madeleine EL ZAHER. p. 57-60 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans ce travail, nous proposons une solution de cartographie sémantique en temps réel basée sur les données RGBD. Nous nous focalisons sur la proposition d'une approche d'association pour générer les formes 2D des objets sémantiques en utilisant des connaissances préalables. Notre approche est évaluée dans un environnements bureautique à l'aide du robot mobile MIR. Les résultats expérimentaux et une comparaison avec une approche existante montrent que notre proposition permet de générer des cartes proches de la vérité terrain.

16. Estimation du MAP Marginal d'un signal Bernoulli-Gaussien: une approche par relaxation continue Pierre Barbault, Matthieu Kowalski, Charles Soussen. p. 61-64 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article traite de l'estimation du support de signaux parcimonieux dans le cadre de problèmes inverses. A l'aide d'un \emph{a priori} Bernoulli-Gaussien, le support est estimé en maximisant la loi \emph{a posteriori} marginalisée par rapport aux amplitudes des sources. On propose un algorithme d'Espérance-Maximisation (EM), où la variable discrète codant le support est relâchée dans un espace continu. Une évaluation empirique sur signaux simulés avec un opérateur issu de la magnétoencephalographie montre la pertinence de cette approche en comparaison avec l'approche de maximisation de la loi jointe du support et des amplitudes, interprétable comme la minimisation d'un critère avec pénalisation $\ell_0$.

17. Processus ponctuel de Gibbs et inférence Bayésienne pour réduire les biais observationnels : cas des catalogues de vitesse de galaxies Jenny G. Sorce, Radu S. Stoica, Elmo Tempel. p. 65-68 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Résumé : Les données récoltées en astrophysique sont statistiquement biaisées. Nous considérons le problème inverse qui consiste à retrouver un catalogue de vitesses particulières radiales de galaxies, aux biais statistiquement réduits, à partir de mesures de décalage spectral vers le rouge et de module de distance. Après avoir construit un processus ponctuel dont la maximisation de la densité de probabilité minimise les biais, nous utilisons un recuit simulé pour trouver les maxima correspondants aux réalisations du catalogue aux biais minimisés. La technique est calibrée, puis appliquée sur des catalogues synthétiques issus de simulations cosmologiques, avant d'être employée sur des catalogues observationnels. Ces catalogues serviront à des études cosmologiques. Abstract: Collected data in astrophysics are statistically biased. We consider the inverse problem which consists in finding back a catalog of galaxy radial peculiar velocities, with statistically reduced biases, from redshift and distance modulus measurements. After constructing a point process whose probability density maximization minimizes biases, we use a simulated annealing to find maxima corresponding to bias-minimized realizations of the catalog. We calibrate the technique, then apply it to synthetic catalogs built from cosmological simulations before using it on observational catalogs. These catalogs will be used for cosmological studies.

18. Protection sélective d'un réseau de neurones implémenté sur puce FPGA soumis à un environnement radiatif Wilfread Guillemé, Youri Helen, Rémy Priem, Angeliki Kritikakou, Cédric Killian, Daniel Chillet. p. 69-72 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les applications avioniques sont confrontées à de nombreux défis pour garantir un fonctionnement sûr et fiable. Elles doivent être capables de fonctionner sous environnements contraints dans lesquels les circuits sont soumis à l'effet de particules ionisantes ou de rayons cosmiques. En outre, ces systèmes requièrent des traitements de plus en plus complexes pouvant, dans certains cas, être avantageusement remplacés par des réseaux de neurones dont l'implémentation sur circuits FPGA peut être très efficace. Afin de répondre à la problématique d'exécution de ces algorithmes au regard des fautes d'origines radiatives, une protection sélective des éléments de stockage du calcul des neurones est proposée. Cette méthode repose sur la triplication des bascules détectées comme sensibles à l'issue d'une simulation. Les résultats de l'étude indiquent que la phase d'apprentissage impacte la sensibilité des différentes couches du réseau de neurones. Les bits de signe et de poids fort qui stockent le résultat des calculs des neurones sont particulièrement vulnérables et doivent être protégés. La stratégie de protection sélective présentée dans cet article permet d'augmenter la tolérance aux fautes de ces systèmes en offrant un compromis entre la consommation de ressources matérielles et la qualité du résultat de prédiction du réseau de neurones en présence de fautes.

19. Super-résolution hyperspectrale et démélange conjoints : approche tensorielle sous contraintes de positivité et semi-aveugle basée sur la beta-divergence Clémence Prévost, Valentin Leplat. p. 73-76 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans ce papier, nous résolvons simultanément les problèmes de super-résolution hyperspectral et de démélange de l'image à super-résolution dans le contexte dit ”semi-aveugle”. Notre approche est basée sur trois piliers : (i) l'estimation des matrices de couplage, (ii) une décomposition tensorielle couplée de rang faible avec des mises à jour multiplicatives et (iii) une famille de problèmes d'optimisation basés sur la beta-divergence. Nous proposons une famille d'algorithmes simples et robustes adaptés à diverses statistiques de bruit. Nos simulations sur données réelles montrent les performances de notre approche, et ce pour les deux problèmes considérés.

20. Comparative Analysis of LTE-M and NB-IoT Node Battery Life in Different Coverage Environments Nassim LABDAOUI, Fabienne nouvel, Stéphane DUTERTRE. p. 77-80 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article étudie la consommation d'énergie d'un nœud LTE-M/NB-IoT intégrant un module u-blox SARA-R422S. Les résultats montrent que, dans certaines conditions, ces technologies peuvent atteindre une durée de vie opérationnelle de 5 ans. La taille des données transmises n'a pas d'impact significatif sur la consommation d'énergie dans des conditions de couverture favorables, mais peut rapidement affecter la durée de vie de la batterie dans des conditions de couverture difficiles. Nous constatons que les performances de NB-IoT en terme d'autonomie sont inférieures à celles de LTE-M. This article investigates power consumption of LTE-M and NB-IoT devices with u-blox SARA-R422S modules. Our findings suggest up to 5 years lifespan, and data size doesn't impact power consumption under favorable coverage conditions but can affect battery life in harsh coverage. It provides insights and is useful for IoT technology users. We find that the performance of NB-IoT in terms of battery life is lower than that of LTE-M.

21. Compensation du bruit de phase et évaluation des performances d'un émetteur-récepteur CMOS à 140 GHz Yaya Bello, David Demmer, Jean-Baptiste Doré. p. 81-84 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans ce travail, nous montrons les performances d'un algorithme d'estimation et de compensation du bruit de phase validé sur des mesures de laboratoire. Nous introduisons un concept facilement réalisable et nous montrons comment estimer certains paramètres requis pour l'implémentation de cet algorithme. Nous présentons le bilan de liaison d'un système de communications sans-fils CMOS opérant dans les bandes sub-THz, plus précisément à 140 GHz.

22. Approximation et Estimation de Réponses Spectrales d'Instruments Jihanne El Haouari, Jean-Yves TOURNERET, Herwig Wendt, Christelle Pittet, Jean-Michel Gaucel. p. 85-88 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Différents spectromètres ou imageurs hyperspectraux sont utilisés afin de déterminer la concentration de certains gaz au niveau de l'atmosphère. La détermination de la réponse spectrale de ces instruments est un problème important car une connaissance imparfaite peut induire des erreurs dans les concentrations de gaz obtenues. Dans cet article, nous proposons une nouvelle méthode d'estimation de la réponse spectrale d'un spectromètre basée sur un algorithme de type Orthogonal Matching Pursuit (OMP) qui permet de décomposer cette réponse dans un dictionnaire de fonctions de base de manière parcimonieuse.

23. Approximation de modèle de propagation modale en acoustique sous-marine à l'aide de réseaux de neurones Arthur VARON, Julien Bonnel, JEROME MARS. p. 89-92 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les réseaux de neurones se sont avérés capables de simuler et d'accélérer la simulation de phénomène physique complexe. En entraînant un DNN à prédire les nombres d'ondes et les vitesses de groupes pour une variété d'environnements marins, nous avons pu accélérer la résolution des modèles de propagation modale pour des signaux large bande. Afin de montrer le potentiel de notre approche, notre modèle est utilisé pour prédire la perte de transmission et le scénario d'inversion géoacoustique sur les données Shallow Water 2006.

24. Stability of entropic Wasserstein barycenters and application to random geometric graphs Marc Theveneau, Nicolas Keriven. p. 93-96 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'intérêt pour les graphes s'étant accru ces dernières années, le calcul de divers outils géométriques est devenu essentiel. Dans certains domaines tels que le traitement des maillages, ces outils reposent souvent sur le calcul des géodésiques et des plus courts chemins dans les manifolds discrétisés. Un exemple récent d'un tel outil est le calcul des barycentres de Wasserstein (WB), une notion très générale de barycentres dérivée de la théorie du Transport Optimal, et de leur variante entropique-régularisée. Dans cet article, nous examinons comment les WB sur des maillages discrétisés sont liés à la géométrie de la variété sous-jacente. Nous fournissons d'abord un résultat de stabilité générique en ce qui concerne les matrices de coût d'entrée. Nous appliquons ensuite ce résultat aux graphes géométriques aléatoires sur les variétés, dont les plus courts chemins convergent vers des géodésiques, ce qui prouve la cohérence des WB calculés sur des formes discrétisées.

25. Extension de l'Intersection over Union pour améliorer la détection d'objets de petite taille en régime d'apprentissage few-shot Pierre Le Jeune, Anissa Mokraoui. p. 97-100 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'Intersection over Union (IoU) est un critère mesurant la proximité entre deux boîtes englobantes. C'est un critère fondamental pour la détection d'objets car il permet à la fois d'entraîner les modèles de détection (en tant que fonction de coût) et de les évaluer. C'est la valeur d'IoU entre les boîtes vraies et prédites qui détermine si une détection est correcte ou non, selon un seuil défini. La détection d'objets de petite taille est un problème persistent en vision par ordinateur, notamment lorsque l'on dispose de peu de données annotées (few-shot learning). La faible supervision disponible empêche l'apprentissage d'une localisation robuste, ce qui est particulièrement néfaste pour les petits objets. En effet, lorsque un objet est petit, quelques pixels d'écart entre la boîte englobante prédite et la boîte annotée suffisent pour que la prédiction soit considérée comme une fausse détection. Nous proposons dans cet article Scale-adaptive Intersection over Union (SIoU), un nouveau critère de similarité contrôlable et adaptatif en fonction de la taille des objets. Premièrement, SIoU permet de trouver un meilleur équilibre entre petits et grands objets pendant l'entraînement de méthodes de détection few-shot, pour lesquelles les petits objets sont extrêmement problématiques. Des expériences sur quatre jeux de données distincts montrent des performances de détection supérieures en utilisant SIoU comme fonction de coût. Deuxièmement, en étant plus laxiste envers les petits objets, SIoU est mieux aligné avec la perception humaine que l'IoU, ce qui en fait un critère d'évaluation plus adéquat.

26. Modulation de Fréquence et de Phase à Ecrêtage Asymétrique pour les Communications Optiques Sans-Fil Efficaces en Energie Muhammad Jehangir KHAN, Yannis LE GUENNEC, Ghislaine MAURY, Laurent Ros. p. 101-104 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article dédié aux communications sans fil optiques économes en énergie/à faible débit de données, nous proposons la modulation AC-FPSK, qui combine modulation de fréquence à écrêtage asymétrique et modulation de phase. Après l'analyse des formes d'ondes AC-FPSK, nous proposons le récepteur harmonique à 2 coefficients, qui utilise la même fonction de coût que le récepteur optimal, mais à complexité nettement réduite grâce à la parcimonie des formes d'ondes en fréquence. En choisissant la cardinalité adéquate des dictionnaires de modulation, le schéma de modulation AC-FPSK offre le meilleur compromis d'efficacité énergétique à efficacité spectrale donnée, par rapport aux modulations classiques de l'état de l'art : modulation initiale sans les phases (AC-FSK), modulation de fréquence/phase avec offset (DC-FPSK), et modulations d'amplitude (OOK et PAM), sans impact significatif sur la complexité.

27. Histoire des réseaux de neurones et du deep learning en traitement de signaux et des images Nicolas Thome, Christian Wolf. p. 105-108 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cette soumission trace un historique des réseaux de neurones informatiques pour le traitement du signal et des images, depuis leurs fondements jusqu'aux succès du deep learning moderne. Nous présentons leurs éléments clés des modèles en termes d'architecture et d'entraînement, et soulignons l'importance du \textit{Big Data} et de l'accélération matérielle des GPU. Enfin, nous mentionnons les tendances fortes actuelles à travers l'apprentissage auto-supervisé, les mécanismes attentionnels et les transformers.

28. Intervalles de confiance pour l'estimation de superficies à partir d'images satellitaires Benjamin Lambert, Florence FORBES, Senan Doyle, Alan Tucholka, Michel Dojat. p. 109-112 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La segmentation des images satellites permet d'extraire des métriques de haut-niveau telle que la superficie d'une région d'intérêt. Cependant, ces estimations sont rarement équipées d'intervalles de confiance, ce qui met en cause la fiabilité des algorithmes. Dans cette étude, nous proposons un nouveau modèle de segmentation, TriadNet, qui permet d'obtenir la segmentation de l'image associée à un intervalle de confiance concernant les superficies, en moins de 0.05s par image. L'intérêt de notre approche est démontré sur deux tâches distinctes : la segmentation de bâtiments et de routes, à partir d'images satellite.

29. Multi-Numérologie Basée sur la Modulation Orthogonal Chirp Division Multiplexing (OCDM) pour la 6G Vincent Savaux. p. 113-116 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce papier traite de la capacité de la modulation OCDM (orthogonal chirp division multiplexing) à être adaptée au concept de multi-numérologie dans un contexte de communications de prochaine génération. En premier lieu, on introduit la modulation OCDM, puis on présente comment l'adapter à la multi-numérologie. On évalue le système par simulations, dont les résultats montrent la résistance inhérente à l'OCDM contre les interférences inter-numérologie (INI), car les interférences sont réparties sur toutes les sous-porteuses, alors qu'elles se concentrent sur les sous-porteuses en bord de spectre en OFDM (orthogonal frequency division multiplexing). Il en résulte que l'OCDM surpasse les performances de l'OFDM en terme de BER (bit error rate), sans besoin d'ajouter une bande de garde entre deux numérologies. This paper deals with the capability of the orthogonal chirp division multiplexing (OCDM) modulation scheme to cope with multi-numerology concept in the context of next generations of communications. The OCDM modulation is first introduced, and then adapted to multi-numerology. We evaluate its performance through simulations, whose results show the inherent robustness of OCDM against inter-numerology interference (INI) as the interference is spread over all subcarriers in OCDM, whereas it is concentrated in particular subcarriers in orthogonal frequency division multiplexing (OFDM). It results that the OCDM waveform largely outperforms the OFDM in term of bit error rate (BER) performance, without need for a guard-band between numerologies.

30. Détection automatique des événements sismiques à l'aide de la formation de voies basée sur le Kurtosis multivarié Sara El Bouch, Olivier MICHEL, Pierre Comon, Michel Campillo, Eric Beaucé. p. 117-120 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La technologie d'instrumentation actuelle permet le déploiement des réseaux sismologiques denses enregistrant des données sismiques de façon quasi-permanente. Ainsi, nous étudions les performances d'un algorithme de détection d'événements sismiques de faible amplitude utilisant cette diversité spatio-temporelle. L'accent est mis sur la définition multivariée du Kurtosis de Mardia et nous exploitons nos résultats théoriques pour contrôler le taux de fausses alarmes dans ce cadre de traces sismiques multidimensionnelles. Le détecteur est intégré dans une méthode de formation de voies aussi dénommée migration et empilement ou back-projection dans le domaine des géosciences. Ses performances seront étudiées sur des données réelles bruitées et comparées à un détecteur basé sur l'énergie (donc seulement les moments de second ordre).

31. Détection robuste en temps réel des niveaux d'activités de régions cérébrales pour la présentation de stimuli psycho-cognitifs Clarissa Baratin, Guillaume Becq, Lorella Minotti, Philippe Kahane, Julien Bastin. p. 125-128 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cette étude, nous présentons une chaîne de traitement de l'information neuronale permettant de faire de l'asservissement de stimuli par rapport aux activités basses ou hautes détectées dans une région cérébrale d'intérêt. Une analyse temps réel du signal électroencéphalographique intracrânien est proposée. Elle est construite à partir de statistiques robustes, principalement autour de la déviation absolue par rapport à la médiane, et tient compte des non stationnarités du signal pour la détection d'extrema locaux. L'analyse hors-ligne avec des cartes temps fréquence met en évidence l'atteinte de l'objectif sur un patient.

32. Influence du modèle d'onde du canal d'auto-interférence sur la performance d'un système MIMO Full-duplex Xuan CHEN, Vincent SAVAUX, Matthieu CRUSSIÈRE, Patrick SAVELLI, Koffi-Clément YAO. p. 121-124 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous nous intéressons au comportement d'un système full-duplex (FD) multiple input multiple output (MIMO) pour deux modélisations du canal d'auto-interférence (SI pour self-interference) inhérent au FD : le modèle d'onde sphérique (SWM) et le modèle d'onde plane (PWM). Plus précisément, nous évaluons pour ces deux modèles les variations de la puissance de SI reçue par le panneau d'antennes de réception tout en faisant varier la position relative du panneau d'antennes d'émission par rapport à ce dernier. L'étude montre des différences significatives entre les deux modèles, justifiant que la modélisation SWM du canal SI est plus précise comparée à la modélisation PWM et se doit d'être utilisée en scénario de communication FD.

33. Optimisation débit-distorsion de la quantification dans un encodeur vidéo par apprentissage profond de faible complexité Pierre-Alain AFRO, Loïc STRUS, Laurent BONNAUD, Alice CAPLIER, Frédéric ROBIN. p. 129-132 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'optimisation débit-distorsion de la quantification ou RDOQ (Rate Distorsion Optimized Quantization) est un outil important présent dans différents codecs vidéo comme H.265/HEVC ou AV1. Même si cette fonction réduit significativement le débit, sa complexité limite son usage dans des solutions d'encodage matériel. Plusieurs études ont cherché à la simplifier notamment dans le modèle HM, l'implémentation logicielle de référence d'H.265. Cependant sa structuration itérative et séquentielle liée au calcul du débit reste difficilement compatible pour une mise en oeuvre matérielle. Avec l'émergence du machine learning, plusieurs modèles de réseaux de neurones ont été proposés afin d'imiter le comportement de la RDOQ et de pouvoir paralléliser cette fonction. Mais les réseaux proposés restent très complexes avec des performances assez éloignées du modèle simplifié de référence HM-RDOQ. En vue d'une implémentation matérielle, nous proposons une solution minimisant la complexité, tant au niveau du nombre de paramètres que de l'architecture du réseau. Notre modèle possède moins de 2000 paramètres et atteint 2.90 % de réduction de BD-rate sur la luminance par rapport à l'algorithme HM sans RDOQ dépassant même les résultats de HM-RDOQ.

34. Compensation de la latence Glass-to-Glass via extrapolation du flux vidéo : faisabilité et cas d'usage hind kanj, Anthony TRIOUX, Marco Cagnazzo, François-Xavier COUDOUX, Patrick CORLAY, Michel KIEFFER. p. 133-136 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les applications telles que la télé-conduite et la téléprésence reposant sur des services vidéo doivent garantir une interaction en temps réel avec une qualité d'expérience satisfaisante. La réduction du délai G2G (Glass-to-Glass), c'est à dire le délai entre l'acquisition et l'affichage d'une image sur un terminal distant, est essentielle pour ces applications. L'extrapolation d'images vidéo basée sur l'apprentissage profond a récemment été considérée pour réduire le délai G2G. Dans cet article, nous examinons l'efficacité de cette technique pour réduire la latence globale dans un système de transmission vidéo point à point. L'objectif est de déterminer le domaine de fonctionnement, les avantages et les inconvénients de cette approche. Pour cela, nous comparons le compromis latence-qualité pour deux méthodes de compensation de latence : la réduction du débit de codage et l'extrapolation. Les résultats montrent que les méthodes d'extrapolation peuvent fournir une réduction significative du délai G2G avec une perte de qualité acceptable, surtout pour les applications avec des contenus vidéo à faible information temporelle.

35. Borne Barankin vs Borne Cramér-Rao pour la géométrie de réseaux d'antennes en radioastronomie Jianhua WANG, Lucien Bacharach, Yassine Mhiri, Mohammed Nabil EL KORSO, Pascal LARZABAL. p. 137-140 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous proposons l'utilisation de la borne de Barankin (BB) comme critère d'optimisation de la géométrie d'un réseau d'antennes au lieu de la borne de Cramér-Rao (BCR) qui n'est valable que dans la région asymptotique. La BB fournit un compromis en erreur quadratique moyenne (EQM) entre la largeur du lobe principal et les niveaux des lobes secondaires du diagramme de rayonnement. L'EQM considérée est adaptée au contexte de l'imagerie dans le domaine de la radioastronomie. Nous évaluons et comparons les performances des géométries d'antennes obtenues en évaluant la couverture u-v, le niveau de lobes secondaires et la qualité des images. Les résultats de simulation montrent que le critère basé sur la BB est plus approprié que celui basé sur la BCR pour l'imagerie en radioastronomie.

36. Dictionnaires de localité-régularité pour les signaux sur graphe Antoine Mazarguil, Quentin LABORDE, Laurent Oudre. p. 141-144 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans ce travail, nous tirons parti des principes d'incertitude afin d'introduire une nouvelle méthode d'apprentissage de dictionnaire pour les signaux sur graphe. Notre méthode prend en compte deux classes distinctes d'atomes, les atomes locaux spatialement sur le graphe et les atomes spectralement réguliers introduits avec des fonctions de pénalisation adaptées. En particulier, la prise en compte de la notion d'atomes dits de localité permet de modéliser des phénomènes locaux et interprétables.

37. Gradient Scarcity with Bilevel Optimization for Graph Learning Hashem ghanem, Samuel Vaiter, Nicolas KERIVEN. p. 145-148 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans le cadre de l'apprentissage semi-supervisé, la minimisation d'une function de coût pour apprendre à la fois le graphe de similarité entre les données et le classificateur peut conduire à un phénomène de rareté du gradient. Il s'agit d'arêtes éloignées des nœuds étiquetés qui reçoivent des gradients nuls. Initialement, le problème a été observé dans un contexte d'optimisation jointe et de Graph Neural Networks (GCN). Dans ce papier, nous démontrons que le problème se pose également pour l'optimisation biniveau, malgré une dépendance supplémentaire entre les paramètres du problème. Alors que la rareté du gradient avec les GCN résulte de leur champ réceptif fini, nous montrons qu'elle est également présente pour modèle de régularisation Laplacien, qui a pourtant un champ réceptif infini, avec des gradients diminuant exponentiellement avec la distance aux nœuds étiquetés. Pour résoudre ce problème, nous étudions plusieurs stratégies : utiliser un modèle de graphe latent, un procédé de régularisation ou un graphe de diamètre réduit. Nos expériences illustrent notre analyse et valident les solutions proposées.

38. FaDIn : Inférence discrétisée efficace pour les processus de Hawkes avec noyaux paramétriques génériques Guillaume Staerman, Cédric Allain, Alexandre Gramfort, Thomas Moreau. p. 149-152 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les processus de Hawkes se sont avérés être le modèle de processus ponctuels temporels (TPP) le plus largement utilisé, principalement en raison de leur modélisation adéquate pour diverses applications, en particulier lorsque l'on considère des noyaux exponentiels ou non paramétriques. Cependant, ces deux méthodes sont mal adaptées aux applications où des latences doivent être estimées, ou encore dans le cas où peu de données sont disponibles, comme c'est le cas en neurosciences. Ainsi, ce travail vise à offrir une méthode efficace d'inférence de TPP basée sur la discrétisation, en utilisant des noyaux paramétriques génériques à support fini.

39. Tatouage robuste et sûr de réseaux de neurones en boîte noire Kassem Kallas, Teddy Furon. p. 153-156 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Résumé – Protéger la propriété intellectuelle des réseaux de neurones fait sens du fait de leur valeur industrielle. Cet article propose un protocole de tatouage léger, robuste et sûr pour les modèles en boîte noire. Il utilise une fonction de hachage à sens unique et des paires donnée / classe pour prouver la propriété du modèle en phase de test. La principale caractéristique est que la valeur de la preuve et sa sécurité sont mesurables. Les expériences montrent une protection adéquate contre diverses attaques. Abstract – Protecting the intellectual property of neural networks makes sense because of their industrial value. This paper proposes a lightweight, robust and secure watermarking protocol for black box models. It uses a one-way hash function and data/class pairs to prove model ownership in the test phase. The main feature is that the value of the proof and its security are measurable. Experiments show adequate protection against various attacks.

40. Performances comparées d'estimateurs du coefficient de reproduction de la Covid19 à l'aide de données synthétiques réalistes Juliana Du, Barbara Pascal, Patrice Abry. p. 157-160 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Estimer précisément le coefficient de reproduction est un enjeu majeur pour surveiller et contrôler une épidémie. Afin d'évaluer et de comparer plusieurs estimateurs proposés durant la pandémie de Covid19, une procédure de génération de données épidémiologiques synthétiques réalistes est élaborée, reflétant à la fois la propagation épidémique, suivant le modèle épidémiologique proposé par Cori et col., et un processus de collecte de nombre de cas dégradé (erreur de report, données manquantes). Des simulations de Monte Carlo sur un large jeu de données synthétiques aux dynamiques variées fournissent une évaluation quantitative des performances d'estimation du coefficient de reproduction.

41. Débit atteignable d'une communication montante par satellite avec des effets non linéaires via la décomposition de Bussgang Arthur Louchart, Inbar Fijalkow. p. 161-164 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans le contexte des communications montantes par satellite à faisceau unique, avec des distorsions non linéaires liées à l'amplificateur de puissance, nous donnons une expression analytique du débit de données via la décomposition de Bussgang. Nous montrons un gain significatif par rapport à l'état de l'art, permettant d'établir une nouvelle borne inférieure.

42. Régularisation implicite des factorisations de faible rang pénalisées Jérémy Cohen. p. 165-168 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'invariance d'échelle des modèles de factorisation matriciels et tensoriels est une propriété bien connue, habituellement perçue comme une source d'ambiguïté lors de l'inférence des paramètres de ces modèles. Cependant, lorsque ces modèles de factorisation sont employés dans une approche variationnelle, typiquement lorsque de la parcimonie est imposée, l'invariance d'échelle induit une régularisation implicite qui équilibre les solutions. En adaptant un algorithme d'optimisation classique à partir de cette observation, je montre empiriquement que l'estimation des paramètres pour des décompositions tensorielles pénalisées devient plus précise et fiable.

43. Recherche et Analyse de sources représentatives pour la stéganalyse Rony Abecidan, Vincent Itier, Jérémie Boulanger, Patrick Bas. p. 169-172 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Lorsque Alice dissimule un message dans une image de couverture pour communiquer avec Bob, elle ne va pas la piocher dans les bases de la littérature dédiées à l'entraînement de détecteurs en stéganalyse. Cela peut alors poser un problème pour Eve, l'adversaire d'Alice, car la source dont provient l'image d'Alice peut être très distincte de celle sur laquelle Eve s'est entraînée. La source d'une image dépend d'une multitude de paramètres comme la nature du capteur, les retouches logicielles ainsi que les paramètres de compression. Il est alors quasi impossible pour Eve de s'entraîner sur la même base qu'Alice. Dans ce papier, nous construisons puis analysons un ensemble de bases dont les paramètres favorisent la généralisation de l'apprentissage. Notre principale contribution est la découverte de bonnes pratiques permettant de concevoir des bases représentatives pour la stéganalyse d'images numériques. Elles sont liées à la dimension intrinsèque des caractéristiques représentant la base, mais aussi au type de classifieur utilisé.

44. Pistage d'une cible radar masquée en milieu urbain par filtrage particulaire exploitant l'information angulaire des multi-trajets Ba-Huy Pham, Olivier Rabaste, Jonathan Bosse, Israel Hinostroza, Thierry CHONAVEL. p. 177-180 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Des travaux de recherche en radar s'intéressent de plus en plus à exploiter des signaux multi-trajets pour détecter et localiser des cibles en milieu urbain, en particulier dans des zones d'ombre (ou NLOS pour Non-Line-of-Sight). Notamment, le pistage par filtrage particulaire peut aider à améliorer la précision de l'estimation de la position de la cible. Cependant, les travaux actuels reposent sur un modèle d'observation limité qui ne considère que l'information de retard des trajets. Cela peut entraîner une divergence du nuage de particules vers des positions fantômes de vraisemblance élevée. Dans cet article, nous proposons une solution de pistage combinant le filtrage particulaire avec un modèle d'observation plus riche, incluant l'information sur l'angle d'arrivée des multi-trajets pour résoudre ce problème. Les résultats expérimentaux montrent que cette solution permet d'obtenir de meilleurs résultats de localisation que ceux obtenus avec le filtre initial.

45. Reconstruction de sources EEG de potentiels évoqués sur évènements oculaires par déconvolution de coefficients de régression Spline : Application à la perception intra-saccadique Gaëlle NICOLAS, Emmanuelle KRISTENSEN, Michel DOJAT, Anne GUERIN-DUGUE. p. 181-184 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'analyse des potentiels évoqués EEG sur événements oculaires (fixation ou saccade) nécessite (i) la déconvolution de tous les potentiels évoqués identifiés dans un segment temporel donné afin de tenir compte de leur chevauchement au cours du temps et (ii) la prise en compte des co-variables d'intérêt (e.g. la taille de saccade) qui impactent l'activité cérébrale. Pour cela, il a été proposé d'estimer les potentiels évoqués via un modèle linéaire général par fonctions Spline adaptatives. Nous prolongeons cette approche en effectuant une reconstruction de sources EEG des coefficients de régression Spline. Nous montrons que cela permet d'analyser, sans surcoût algorithmique, l'activité à la surface corticale, soit au cours du temps, soit en fonction des co-variables. Cette approche est appliquée à l'étude de la perception intra-saccadique à l'aide d'enregistrements conjoints EEG et oculométriques.

46. Régions atteignables pour la régression linéaire sur données compressées avec information adjacente Jiahui WEI, Elsa Dupraz, Philippe Mary. p. 185-188 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous nous plaçons dans le cadre d'une communication dont le but est d'effectuer une tâche d'apprentissage sur les données transmises. Nous étudions le compromis fondamental qu'il peut exister entre le taux de compression des données et l'erreur faite sur la tâche d'apprentissage sur ces données compressées. La tâche d'apprentissage est une régression linéaire, avec information adjacente au décodeur. Nous étudions dans un premier temps la région de débit-perte en régime asymptotique, c'est-à-dire lorsque la taille de la source tend vers l'infini, puis nous étendons les résultats au régime de longueur de blocs finie. Nous montrons qu'il n'y a pas de compromis entre la compression et l'estimation des paramètres de la régression en régime asymptotique, alors que la conclusion inverse s'applique dans le cas à taille finie.

47. Sur la probabilité de détection du filtre adapté pour la détection distance-Doppler de cibles hors grilles Pierre DEVELTER, Jonathan Bosse, Olivier Rabaste, Philippe FORSTER, Jean-Philippe OVARLEZ. p. 189-192 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans la plupart des cas, le filtre adapté est évalué pour des valeurs de paramètres de cibles non-linéaires fixées sur une grille discrète, de manière à avoir des tests statistiquement indépendants. En réalité, les paramètres de cibles appartiennent à un espace continu, et ne seront en général pas exactement sur la grille. Quand le filtre adapté est évalué en toutes les valeurs de paramètres possibles, le calcul de la probabilité de fausse alarme ($P_{FA}$) se complexifie. Dans cet article, nous calculons une relation $P_{FA}$-seuil asymptotique pour ce détecteur sous bruit blanc gaussien complexe en utilisant l'espérance de caractéristiques d'Euler pour la détection distance-Doppler FMCW. La relation obtenue correspond aux résultats constatés en simulations.

48. Détection robuste pour un sonar à croix de Mills Olivier Lerda, Ammar Mian, Guillaume Ginolhac, Jean-Philippe OVARLEZ. p. 193-196 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous considérons un système sonar multifaisceaux pouvant opérer deux antennes en réception. Pour ce système, nous dérivons un nouveau test de détection adaptatif en supposant un fouillis hétérogène et des antennes corrélées. Nous nous basons sur une approche de Rao en deux étapes, en supposant d'abord que la matrice de covariance est connue à des facteurs près, puis en substituant la vraie matrice de covariance par son maximum de vraisemblance. Les performances sont discutées et illustrées par des exemples théoriques, simulations et aperçus sur données réelles. Les résultats montrent que ce détecteur est plus performant que ses concurrents et robuste à des inconnues environnementales.

49. Recovering the ARP interleaver of an unknown turbo-code Ilias Elfryakh, Sebastien Houcke, Stefan Weithoffer. p. 197-200 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous proposons un algorithme efficace d'identification d'un entrelaceur ARP d'un turbo code à partir de quelques mots de code interceptés. Cet algorithme reprend les principes d'identification proposés dans [1] en les adaptant à la classe particulière des entrelaceurs ARP. L'intérêt principal est de nécessiter que quelques mots de code pour réaliser l'identification. Cela ouvre la porte à de nouvelles techniques de sécurité [2]

50. Algorithme de type "Water-Filling" maximisant le volume de matrices rectangulaires au-delà du rang Claude PETIT, Aline ROUMY, Thomas MAUGEY. p. 201-204 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article traite de maximisation du volume de sous-matrices extraites d'une matrice de données rectangulaire, lorsque le nombre de colonnes extraites est supérieur au rang. L'objectif est d'opérer une compression de la matrice de données en extrayant un échantillon représentatif des colonnes, tout en préservant la diversité de l'information contenue dans les données. Nous présentons un algorithme en un coup, non glouton, s'inspirant des techniques de "Water-Filling" traditionnellement dédiées aux stratégies d'égalisation dans les communications multicanaux. Le principe de l'algorithme repose sur une relaxation continue du programme d'optimisation initial, qui admet une solution simple conduisant à égaliser les valeurs propres de la matrice de covariance associée à la matrice de données. Les simulations montrent que l'algorithme proposé est plus performant que les méthodes d'échantillonnage basées sur des processus ponctuels déterminantaux (PPD) et atteint des performances similaires à celles des meilleurs algorithmes connus, pour une complexité moindre.

51. Impact des résonances non linéaires en terme de perception d'images Saverio MORFU, Bello Ibrahim Usama, Patrick Marquie. p. 205-208 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La résonance vibrationnelle est un phénomène qui consiste à tirer profit d'une perturbation haute fréquence afin d'améliorer la détection d'une excitation basse fréquence par un système non linéaire. Pour une quantité appropriée de la perturbation, la détection de la composante basse fréquence en sortie du système est optimum. Ce phénomène est très proche du phénomène de résonance stochastique, où du bruit remplace la perturbation haute fréquence pour améliorer la réponse du système. Contrairement à la résonance stochastique, la résonance vibrationnelle n'a pas été utilisée pour améliorer la perception d'une image subliminale.

52. Bootstrap based test for the unimodality of estimated Hurst exponents. Performance assessment in a high-dimensional analysis setting Charles-Gérard Lucas, Patrice Abry, Herwig Wendt, Gustavo Didier, Oliver Orejola. p. 209-212 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans les applications du monde moderne, les systèmes de grande taille sont en général monitorés par de nombreux capteurs, impliquant l'analyse d'un grand nombre de signaux, souvent caractérisés par des dynamiques temporelles invariantes d'échelle. Ce travail vise à construire et valider une procédure bootstrap permettant, à partir d'une seule observation de taille finie, de tester l'unimodalité de la distribution associée des exposants de Hurst estimés. L'analyse de ces performances est conduite dans un cadre d'asymptotique de grandes dimensions (nombre de composantes et taille d'échantillons croissent conjointement).

53. Imagerie radio-interférométrique robuste par dépliement neuronal Yassine Mhiri, Mohammed Nabil EL KORSO, Arnaud Breloy, Pascal LARZABAL. p. 213-216 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les algorithmes d'imagerie radio-interférométrique sont particulièrement sensibles aux bruits non gaussiens affectant les mesures. De telles perturbations, notamment dues à la présence d'interférences de radiofréquences, peuvent être modélisées par des distributions gaussiennes composées. Cette modélisation conduit à la formulation d'un problème d'estimation du maximum de vraisemblance pour la tâche de reconstruction d'image. Cependant, le choix de la distribution et de ses hyperparamètres peut avoir un impact significatif sur l'erreur de reconstruction. Dans cet article, nous généralisons l'algorithme d'espérance-maximisation pour l'imagerie radio-interférométrique récemment introduit par les auteurs à une modélisation du bruit additif par des distributions gaussiennes composées. Ensuite, nous proposons de déplier l'algorithme précédemment introduit, donnant lieu à un algorithme d'apprentissage profond déroulée pour lequel la robustesse au bruit hétérogène est pilotée de manière informée par la base d'apprentissage. Enfin, nous illustrons les performances du réseau proposé sur des données simulées.

54. Contrainte de polarisation pour la reconstruction d'ondes gravitationnelles Cyril Cano, Nicolas Le Bihan, Eric Chassande-Mottin. p. 217-220 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le problème de la reconstruction des polarisations des signaux gravitationnels observés par les détecteurs LIGO et Virgo est pour une grande partie du ciel un problème mal posé qui a reçu peu d'attention jusqu'ici dans la littérature. Nous proposons une nouvelle méthode de régularisation, basée sur un a priori de polarisation, pour le problème de débruitage/reconstruction d'un signal bivarié noyé dans un bruit gaussien additif. La méthode de régularisation proposée s'avère plus polyvalente que les méthodologies existantes. Une application est présentée sur des données synthétiques réalistes.

55. Reconstruction sans-grille de courbes : un algorithme pour la super-résolution Bastien Laville, Laure BLANC-FERAUD, Gilles Aubert. p. 221-224 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La microscopie de fluorescence super-résolue est une technique d'imagerie permettant de s'affranchir du flou produit par la diffraction de la lumière, ce qui permet la reconstruction de détails fins des structures biologiques. Plusieurs algorithmes ont été développés dans la littérature à ce titre ; ces techniques sont formulées dans un cadre discret c'est-à-dire que l'image super-résolue repose sur une grille plus fine que les images acquises. À l'inverse, l'optimisation sans-grille n'utilise pas de grille fine et consiste plutôt en une optimisation sur l'espace des mesures, et ce en termes de nombre, d'amplitudes et de positions. La formulation en terme de mesures permet d'imposer un \emph{a priori} structurel permettant de reconstruire des points, des surfaces, \emph{etc.} De récents travaux ont introduit la reconstruction sans-grille de courbes, qui serait particulièrement adaptée dans le cadre biomédical (filaments, vaisseaux sanguins). Dans cet article, nous présentons une mise en \oe uvre numérique à travers un algorithme appelé \emph{Charge Sliding Frank-Wolfe} de la reconstruction sans-grille de courbes, ainsi que des résultats sur données simulées.

56. Réduction de modèles neuronaux profonds par adaptation de l'architecture Paul Vandame, Christophe Karam, Loic Argentier, Jocelyn Chanussot. p. 225-228 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

À mesure que les applications en apprentissage profond se développent dans l'univers de l'embarqué, la nécessité de réduire la taille des modèles devient une problématique de premier plan. Récemment, des techniques de pruning et de channel pruning ont été employées pour augmenter la parcimonie ou diminuer la taille des modèles, respectivement, et des méthodes de distillation ont été employées pour compresser les réseaux. Cet article présente une nouvelle approche pour la simplification de l'architecture des réseaux convolutifs sans descente de gradient. La méthode est appellée ANNA pour Architecture Neural Network Adaptation. Cette simplification permet de créer des réseaux potentiellement composés de différentes fonctions d'activation et d'un nombre inférieur de couches et de neurones. Elle introduit également du pruning de connexions. Elle peut également créer de nouvelles connexions entre des neurones situés à plusieurs couches de distance, lorsque cela est bénéfique, modifiant ainsi la topologie globale du réseau. Nous avons appliqué la méthode sur des réseaux de petite taille avec quelques millions de paramètres entrainés sur la base MNIST. Aujourd'hui, nous montrons être en mesure de transformer une architecture comme MobileNet entraînée avec ImageNet et comportant 4,23 millions de paramètres. Cette architecture une fois simplifiée ne contient plus que 3,28 millions de paramètres, avec seulement 1,1 million de paramètres non nuls, combinant ainsi les avantages de différentes méthodes de pruning.

57. Estimation incrémentale pour la détection non supervisée d'anomalies multivariées en imagerie médicale Geoffroy Oudoumanessah, Carole Lartizien, Michel Dojat, Florence Forbes. p. 229-232 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La détection non supervisée d'anomalies en imagerie médicale est une tâche complexe. Les modèles de l'état de l'art basés sur des réseaux de neurones artificiels obtiennent des performances raisonnables mais au prix d'une consommation élevée de ressources computationnelles. Nous montrons que des modèles statistiques de mélange de distribution de probabilité, en particulier des mélanges gaussiens multivariés ou de lois de Student généralisées sont des alternatives aussi performantes, frugales et sans paramétrisation excessive. Nous proposons une approche incrémentale originale qui estime séquentiellement les hyperparamètres et permet ainsi de traiter de gros volumes de données. Nous illustrons l'efficacité de cette approche avec un problème de détection d'anomalies subtiles dans des IRM cérébrales de patients Parkinsoniens récemment diagnostiqués.

58. Toward more frugal models for functional cerebral networks automatic recognition with resting state fMRI Lukman Ismaila, Pejman Rasti, Jean-Michel Lémée, David Rousseau. p. 233-236 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous considérons une situation d'apprentissage machine où des modèles à base de réseaux de neurones convolutionnels classiques ont montré de bonnes performance. Nous investiguons différentes techniques d'encodage sous forme de supervoxel puis de graphes pour réduire la complexité du modèle tout en limitant la perte de performance. Cette approche est illustrée sur une tâche de reconnaissance de réseaux fonctionnels de repos pour des patients atteints de tumeurs cérébrales. Les graphes encodant des supervoxels préservent les caractéristiques d'activation des réseaux cérébraux fonctionnels à partir des images, réduisant les paramètres du modèle de 26 fois tout en maintenant les performances du modèle CNN.

59. Rélation d'équivalence par statistiques nodales pour l'analyse de la connectivité cérébrale LUCREZIA Carboni, Michel Dojat, Sophie ACHARD. p. 237-240 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans les réseaux, l'importance des rôles des nœuds peut être cruciale dans différents domaines d'application. En neurosciences, par exemple, dans les réseaux de connectivité cérébrale fonctionnelle, l'organisation en hub révèle les changements dans différents états de conscience. Cependant, la comparaison de graphes, en tenant compte du rôle des sommets, reste largement inexplorée. Pour cela, nous définissons une relation d'équivalence sur les nœuds d'un graphe associée à une collection de statistiques nodales (une fonction sur l'ensemble de sommets) qui nous permet d'identifier les rôles des sommets. Ainsi, nous identifions la partition induite par cette relation avec le motif structurel du graphe et nous introduisons une nouvelle méthode pour comparer des graphes en fonction de la correspondance de ces motifs. Nous appliquons notre méthode à des données réelles ce qui révèle des scores de correspondance élevés chez la population de sujet sains et permet de différencier les patients comateux.

60. Méthode sans grille pour la localisation de sources à partir de mesures asynchrones Nathan Itare, Gilles Chardon, Jose PICHERAL. p. 241-244 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les caractéristiques d'une ou plusieurs sources acoustiques comme leurs positions et leurs puissances sont des informations importantes et nécessaires pour de nombreux problèmes. Les mesures asynchrones, consistant à réaliser plusieurs acquisitions en déplaçant un réseau de microphones, ou à utiliser plusieurs réseaux non synchronisés, permettent de pallier certaines limitations par rapport à l'utilisation d'un seul réseau. Cette étude présente une méthode basée sur un problème d'ajustement de la matrice de covariance (covariance matrix fitting) formulé avec une parcimonie continue et en utilisant des mesures asynchrones. La parcimonie continue permet d'effectuer une localisation en trois dimensions sans avoir une discrétisation de l'espace qui demanderait beaucoup de ressources en terme de calculs et mémoire. L'algorithme Sliding Frank-Wolfe est utilisé pour résoudre le problème d'optimisation en dimension infinie correspondant. Dans cette étude, la formulation en dimension infinie appliquée au cas asynchrone est présentée puis les performances de la méthode sont évaluées et comparées avec les bornes de Cramér-Rao dans différentes configurations.

61. Massive analysis of multidimensional astrophysical data by inverse regression of physical models. Sylvain Douté, Florence Forbes, Stanislaw Borkowski, Samuel Heidmann, Luc Meyer. p. 245-248 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les sciences modernes de l'observation telles que la géophysique, l'astrophysique, l'imagerie médicale, etc. produisent un volume énorme de données de haute dimension. Une approche puissante pour analyser ces données et récupérer des informations d'intérêt utilise le formalisme bayésien pour inverser des modèles physiques. Dans cet article, nous montrons l'application d'une méthode basée sur une approche statistique de régression inverse - GLLiM - qui a l'avantage de produire des distributions approximant les lois à posteriori cibles. Ces distributions peuvent également être utilisées pour des prédictions plus fines à l'aide d'un échantillonnage d'importance tout en fournissant un moyen de mieux explorer le problème inverse lorsque plusieurs solutions équivalentes existent et d'effectuer une estimation du niveau d'incertitude. Dans cet article, notre objectif est de présenter une application de GLLiM à l'analyse d'une séquence d'images hyperspectrales acquises depuis l'espace pour la même scène martienne et de présenter le logiciel PlanetGLLiM. Modern observational sciences such as geophysics, astrophysics, medical imaging, etc. produce huge volumes of high-dimensional data. One powerful approach to analyse such data and retrieve information of interest is Bayesian formalism to inverse physical models on the data. In this paper, we show the application of a method based on a statistical inverse regression - GLLiM- that has the advantage to produce full probability distributions as approximations of the target posterior distributions. These distributions can also be used for further refined predictions using importance sampling while also providing a way to better explore the inverse problem when multiple equivalent solutions exist and to carry out uncertainty level estimation. In this paper, we present an application of GLLiM for the analysis of a sequence of hyperspectral images acquired from space for the same Martian scene and present the PlanetGLLiM software.

62. A propos de bornes de Cramer-Rao pour l'estimation distribuée Yue Bi, Philippe CIBLAT. p. 249-252 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans un contexte d'estimation paramétrique dont les données sont distribuées parmi un certain nombre de capteurs, nous nous intéressions aux performances ultimes au niveau d'un centre de fusion récoltant d'une certaine manière ces données. La remontée de ces données au niveau du centre de fusion est faite à travers de bits provenant d'une quantification des données brutes. Nous souhaitons savoir si il est préférable de remonter les données en une seule fois ou par petits morceaux, voire échantillon par échantillon comme cela est fait dans la littérature. Grâce à un calcul simple de borne de Cramer-Rao (BCR), nous montrons qu'il existe un découpage optimal des données qui ne correspond pas à ce qui est fait dans la littérature, lorsque la somme des bits à transmettre par tous les capteurs et le quantificateur sont prédéfinis.

63. Décompositon de Tucker basée sur un Train de Tenseurs avec des cœurs CP contraints couplés Maxence GIRAUD, Vincent Itier, Remy Boyer, Yassine ZNIYED, Andre L.F. De Almeida. p. 253-256 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons une nouvelle méthodologie d'estimation de la décomposition de Tucker (DT) avec une précision d'estimation similaire à celle de la HOSVD et des coûts de calcul et de stockage qui n'explosent pas. Si les données non bruitées suivent une DT, la décomposition en train de tenseurs (DTT) correspondante prend une structure algébrique remarquable. Plus précisément, nous prouvons que pour un tenseur de Tucker d'ordre Q, la DTT correspondante est constituée de Q-3 tenseurs cœurs d'ordre 3 qui suivent une décomposition polyadique canonique contrainte (DPCC). En utilisant cette nouvelle formulation et la propriété de couplage entre les TT-cœurs voisins, nous proposons un schéma de type JIRAFE pour la DT, appelé TRIDENT.

64. Apprentissage contrastif de modèles de processus ponctuels pour la détection d'objets Jules Mabon, Mathias Ortner, Josiane ZERUBIA. p. 257-260 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente un modèle de détection d'objets fondé sur un processus ponctuel, qui permet de considérer des interactions entre les objets, tout en exploitant l'information extraite par un CNN. Nous proposons également une méthode d'apprentissage contrastif des paramètres du modèle d'énergie, puis appliquons cette méthode à la détection de véhicules dans des images satellitaires optiques.

65. Méthode MCMC plug-and-play avec a priori génératif profond Florentin Coeurdoux, Nicolas Dobigeon, Pierre Chainais. p. 173-176 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les méthodes Plug-and-Play (PnP) forment une classe d'algorithmes itératifs pour la résolution de problèmes inverses dans lesquels la régularisation est assurée par le recours à un débruiteur générique. Bien que produisant de très bons résultats, ces méthodes d'optimisation PnP ne produisent souvent que des estimateurs ponctuels et non une caractérisation complète de la distribution a posteriori. Nous proposons une nouvelle famille de méthodes PnP stochastiques en exploitant un algorithme d'échantillonnage de Gibbs couplé à un réseau de neurones génératif. En plus d'un estimateur ponctuel, l'approche proposée fournit des intervalles de confiance pour un coût de calcul très modéré. L'efficacité des échantillonneurs proposés est évaluée grâce à des simulations de problèmes de reconstruction d'image. Les performances des estimateurs proposés se comparent favorablement à celles des algorithmes d'optimisation et MCMC les plus récents.

66. DUNE-M : un estimateur local d'incertitude sur la position des points d'intérêt évolutif dans le temps Katia SOUSA LILLO, Andrea DE MAIO, Simon LACROIX, Amaury NEGRE. p. 261-264 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'estimation de l'incertitude des points d'intérêt est essentielle pour les systèmes basés sur la vision, tels que la navigation visuelle. Nous montrons que les erreurs inhérentes au suivi visuel, en particulier en utilisant le tracker KLT, sont temporellement corrélées et peuvent être capturées par un réseau de neurones récurrent. Le système proposé intègre tout l'historique de suivi d'un point d'intérêt. DUNE-M est entraîné et évalué sur le jeu de données KITTI, mettant en évidence de bons résultats par rapport à l'état de l'art. Une application d'odométrie visuelle est présentée illustrant les bénéfices de l'utilisation d'une mémoire.

67. Régularisation entropique des vecteurs de caractéristiques d'un réseau de neurones pour une meilleur transférabilité Raphaël Baena, Lucas Drumetz, Vincent Gripon. p. 265-268 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article étudie la classification de données à partir d'un apprentissage sur une approximation de leurs étiquettes. Par exemple, un problème de régression peut être discrétisé pour obtenir un problème de classification plus simple à résoudre. Un problème rencontré avec l'utilisation de l'entropie croisée comme critère d'entraînement dans cette situation est le surapprentissage des caractéristiques focalisant trop sur l'étiquetage grossier. Pour résoudre ce problème, nous introduisons une régularisation entropique appliquée à l'espace de caractéristiques du modèle. Ces caractéristiques peuvent ensuite être utilisées pour résoudre une tâche raffinée avec une erreur moindre. La validité de notre méthode est soutenue à la fois par une analyse théorique et des expériences.

68. Refined Pixel-labeling Process for Weakly Supervised Semantic Segmentation Zhengyang LYU, Pierre BEAUSEROY, Alexandre BAUSSARD. p. 269-272 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Thank you for the acceptance and all your comments on the paper. Here is the response review and the final submission. Expert 1, - We limit the use of hypothetical modal verbs and make it clear for the description of the methods. - In the abstract, we replace post-processing methods instead of post-process methods. Expert 2, - We quantified the improvement made by updating selection labels, and documented results influenced by diffierent threshold. However, limited by the space, we can't put all results in the paper. The detailed discussion will be given in the presentation later. - We introduce papers from Pattern Recognition, Transaction on Intelligent Transportation Systems and NeurIPS to make the reference list more comprehensive.

69. Renforcement de la localisation piétonne par détection visuelle via des informations géométriques et spatiales contenues dans une carte Mohamed Anis Ghaoui, Bastien Vincke, Reynaud Roger. p. 273-276 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Résumé – Ce papier présente une technique pour renforcer un système proprioceptif de localisation piétonne en intérieur, assisté par une caméra, embarqué dans un téléphone. Un réseau de neurones YOLOv5 est entraîné pour détecter des amers présents dans les images. La principale contribution de ce papier est de permettre au système d'identifier les faux positifs en introduisant des contraintes géométriques et spatiales tirées de la carte du bâtiment. Ceci est accompli par un Filtre Particulaire avec gestion des particules en groupe validant ou non la détection dans un mode multi-hypothèses. Abstract – This paper presents a technique to reinforce a proprioceptive system of indoor pedestrian location, assisted by a camera, embedded in a phone. A YOLOv5 neural network is trained to detect landmarks present in the images. The main contribution of this paper is to allow the system to identify false positives by introducing geometric and spatial constraints drawn from the building map. This is accomplished by a Particle Filter with management of particles in groups validating or not the detection in a multi-hypothesis mode.

70. Codage optimal zéro-erreur pour le calcul de fonction avec information adjacente partagée deux à deux Nicolas CHARPENAY, Maël LE TREUST, Aline ROUMY. p. 277-280 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous étudions un problème de codage de source zéro-erreur pour le calcul de fonction, avec information adjacente à l'encodeur. Dans ce problème, $(X,Y)$ est tirée avec une loi jointe $P_{X,Y}$~; l'encodeur connaît $X$ et $g(Y)$, et communique à travers un canal parfait à un certain débit avec un décodeur. Ce dernier connaît $Y$ et doit retrouver $f(X,Y)$ avec probabilité d'erreur $0$, où $f,g$ sont des fonctions déterministes. Dans notre travail précédent, nous avons proposé une condition suffisante sur $P_{X,Y}$ et $g$ pour que le débit optimal de ce problème admette une expression à une seule lettre. Nous donnons dans ce papier une nouvelle interprétation de ces résultats en termes de graphes caractéristiques et de débit optimal dans le problème Slepian-Wolf zéro-erreur associé.

71. Du convolutive sparse coding à la factorisation *-NMF des coefficients temps-fréquence Jean-Baptiste Malagnoux, Matthieu Kowalski. p. 281-284 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le Convolutional Dictionary Learning (CDL) est une technique d'apprentissage de dictionnaire exploitant l'invariance par translation de signaux élémentaires. Dans le domaine temps-fréquence, la répétition de motifs fréquentiels élémentaires est exploitée à travers les décompositions de type "factorisation en matrice non négatives" (NMF), et ses dérivées, du spectrogramme. On étudie ici les liens entre ces deux approches, et on montre en particulier qu'un signal qui admet une décomposition de type CSC admet des coefficients de synthèse temps-fréquence qui peuvent se décomposer sous la forme de semi-NMF ou complex-NMF. Les différentes approches sont alors comparées expérimentalement sur un signal jouet.

72. Saillance de maillages 3D à partir de descripteurs locaux en spirale Olivier LEZORAY, Anass Nouri. p. 285-288 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La saillance des maillages 3D, c-à-d le processus de détection des régions visuellement importantes dans les maillages 3D, est un élément important en infographie. Dans cet article, nous proposons une nouvelle mesure de saillance des maillages 3D qui permet d'identifier des caractéristiques géométriques abruptes dans les maillages. Un descripteur local basé sur les normales est construit pour chaque sommet grâce à un chemin en spirale dans un k-hop voisinage. Les saillances géométrique et spectrale sont définies à partir de l'étude de la variation du gradient défini à partir des alignements de descripteurs en spirale. La saillance finale est alors définie comme la rugosité du sommet pondérée par la somme des saillance géométriques et spectrales normalisées.

73. Comment choisir son meilleur allié pour une attaque transférable ? Thibault Maho, Seyed-Mohsen Moosavi-Dezfooli, Teddy Furon. p. 289-292 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La transférabilité est une propriété des exemples adverses permettant à une perturbation de tromper plusieurs modèles, rendant la menace d'attaques plus réaliste. Ce papier propose une nouvelle évaluation de la transférabilité en réintégrant la distorsion. Ce nouvel outil montre les attaques transférables moins performantes qu'énoncé dans l'état de l'art surtout si l'attaquant choisit au hasard le modèle source. Nous proposons un outil de sélection, appelé FiT, qui vise à choisir le meilleur modèle source avec seulement quelques requêtes préliminaires à la cible

74. Borne de Cramér-Rao sur groupe de Lie avec observations sur groupe de Lie : application à SO(2) Samy LABSIR, Alexandre RENAUX, Jordi Vilà-Valls, Eric CHAUMETTE. p. 293-296 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cette communication, nous dérivons une nouvelle borne de Cramér-Rao intrinsèque pour paramètres et observations vivant sur groupes de Lie. L'expression est obtenue en utilisant les propriétés inhérentes à leur structure. De plus, une expression exacte est obtenue dans le cas où paramètres et observations sont sur $SO(2)$, le groupe de Lie des matrices de rotations en 2D. La borne proposée est alors validée numériquement pour un modèle gaussien définie sur le groupe de Lie SO(2).

75. Reconstruction multiclasse pour l'imagerie TEP 3-photons : application à la caméra XEMIS2 Mehdi LATIF, Jérôme IDIER, Thomas CARLIER, Simon STUTE. p. 297-300 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cette contribution, nous abordons le problème de reconstruction d'image de distribution radioactive pour lequel l'information disponible provient de plusieurs classes de données distinctes, chacune associée à une combinaison spécifique de détections. Nous présentons un cadre théorique permettant de mesurer l'apport informationnel de chaque classe et nous développons un algorithme itératif dédié à la reconstruction multiclasse basé sur le maximum de vraisemblance. Nous proposons d'appliquer notre approche à la caméra XEMIS2, un prototype préclinique de télescope Compton dédié à l'imagerie TEP 3-photons dans lequel quatre classes de détections partielles viennent s'ajouter aux détections complètes. Sur la base de simulations Monte-Carlo, nous présentons les premières composantes du modèle développé pour la reconstruction multiclasse.

76. Évaluation de la qualité de nuages de points 3D sans référence en utilisant un transformer et la saillance visuelle Salima Bourbia, Karine Ayoub, Chetouani Aladine, El Hassouni Mohammed, Jridi Maher. p. 301-304 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans ce travail, nous proposons une approche basée sur l'apprentissage profond qui bénéficie de l'avantage du mécanisme d'auto-attention dans les Transformers pour prédire avec précision le score de qualité perceptuelle des nuages de points (3DPC) dégradés. De plus, nous avons introduit l'utilisation de cartes de saillance pour refléter le comportement du système visuel humain qui est attiré par certaines régions spécifiques par rapport à d'autres lors de l'évaluation. Pour ce faire, en utilisant une caméra virtuelle avec des angles pré-définis par rapport à l'objet, chaque 3DPC est projeté sous différentes vues 2D. Ensuite, nous pondérons les images projetées obtenues avec leurs cartes de saillance correspondantes. Après cela, nous éliminons la majorité des informations de fond en extrayant des patchs saillants. Ces derniers sont envoyés en entrée d'un modèle Vision Transformer (ViT) afin d'extraire les informations contextuelles globales et de prédire les scores de qualité des patchs. Enfin, nous calculons la moyenne des scores de tous les patchs saillants pour obtenir la qualité finale du 3DPC. Les performances de notre modèle ont été évaluées sur deux bases de données de l'évaluation de la qualité de nuages de points 3D : ICIP2020 et SJTU. Les résultats expérimentaux montrent que notre modèle atteint de bonnes performances par rapport aux méthodes de l'état de l'art.

77. Cell culture analysis through learning-enabled lens-free microscopy Florian Lemarchand, Chiara Paviolo, Lionel Hervé, Lamya Ghenim, Kiran Padmanabhan, Cédric Allier. p. 305-308 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Un imageur sans lentille est un dispositif de microscopie effectuant des mesures holographiques. Ce dernier de par son large champ de vue permet d'imager des cultures cellulaire sur une surface de 30 mm² sur plusieurs jours. Ces dernières années, l'analyse d'image a rapidement évolué en profitant des avancées des algorithmes par apprentissage. Couplés à un imageur sans lentille ces algorithmes permettent d'effectuer des mesures quantitatives sur des cellules uniques au sein de larges populations (>10.000). Nous proposons ici une solution intégrant l'analyse morphologique et temporelle, afin d'extraire la description d'une culture de cellules HeLa. Notre approche permet de mesurer automatiquement des paramètres liés aux cycles de division cellulaire.

78. Early Performance and Energy Prediction of Neural Networks Deployed on Multi-Core Platforms Quentin Dariol, Sébastien Le Nours, Sébastien Pillement, Ralf Stemmer, Domenik Helms, Kim Grüttner. p. 309-312 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Early evaluation of Neural Networks (NN) deployments on edge multi-core platforms with memory limitations is necessary to find deployments that optimize resource usage, performance and energy. In this paper, we propose a timing and power modeling methodology which combines simulation, analytical models, and measurements to offer fast yet accurate performance and energy prediction of NNs on multi-core platforms. The proposed approach is validated against measurements obtained from a real implementation of 27 mappings of four NNs with high accuracy and a fast evaluation time of approximately 20 s per mapping.

79. Filtre de Kalman à base de matrices de covariance empiriques : application à l'imagerie dynamique en radioastronomie. Nawel Arab, Cyril Cano, Isabelle Vin, Mohammed Nabil EL KORSO, Eric CHAUMETTE, Pascal LARZABAL. p. 313-316 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans certaines applications, les mesures sont des matrices de covariances empiriques ("sample covarianve matrices",SCMs). Or, les SCMs ne peuvent pas être formulées analytiquement en fonction de paramètres d'états à estimer ; elles sont a priori impropres à leur utilisation dans un filtre de Kalman ("Kalman Filter", KF). L'originalité de cette communication est de proposer une régularisation statistique du modèle de mesure compatible avec le KF, dans le cadre du modèle d'observation stochastique. Les performances de la régularisation proposée sont évaluées sur des données de simulations dans un cadre d'imagerie radio astronomique dynamique. Les résultats montrent que cette régularisation permet de suivre efficacement des sources en mouvement dans des scènes complexes avec une précision supérieure à celle d'un KF régularisé de façon standard.

80. Compensation de défauts d'intermodulation sur signal analytique par modélisation comportementale avec dépendance en fréquence instantanée Stanislas Dubois, Bruno Lelong, Jean-Michel Hodé, Guillaume Ferré, Dominique Dallet. p. 317-320 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article traite de la compensation de défauts de non-linéarité de systèmes électroniques actifs (amplificateurs, CANs) par modélisation comportementale. Dans un contexte applicatif de radar aéro-porté, la bande instantanée du signal traité est relativement faible devant sa fréquence d'échantillonnage. Ceci associé à un plan de fréquences judicieux, permet de ne considérer dans nos traitements que des défauts de non-linéarité d'intermodulation proche-porteuse entre les différentes composantes spectrales du signal reçu. Ce dernier étant obtenu en sortie d'un premier traitement numérique de démodulation amplitude/phase, le modèle de défauts du système non-linéaire s'applique donc sur signal analytique. Nous proposons dans ce papier d'ajouter à un modèle classique de la littérature une dépendance en fréquence instantanée, traduisant un certain effet mémoire. Après identification du modèle sur un système non-linéaire (ici un CAN), des résultats de linéarisation montrent une amélioration de la dynamique instantanée pouvant aller jusqu'à 10 dB entre le modèle initial et le modèle proposé, et ce tout en conservant une complexité calculatoire très faible pour un traitement embarqué.

81. Une approche par la théorie des jeux du problème du choix des niveaux nationaux d'émissions de CO2 Bouchra MROUÉ, Anthony COUTHURES, Samson LASAULCE, Irinel-Constantin MORĂRESCU. p. 321-324 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans ce travail, nous proposons un modèle de jeu statique, dans lequel les joueurs sont les gouvernements, l'action d'un joueur est le niveau d'émission de \COO \, qu'il prévoit d'émettre jusqu'aux prochains accords internationaux, et les utilités représentent un compromis entre le bénéfice qui dépend des émissions et le dommage global causé par le changement climatique. Nous étudions l'existence d'un équilibre de Nash du jeu proposé et donnons des conditions suffisantes pour son unicité.

82. The Graphical Nadaraya-Watson Estimator in Latent Position Models Martin Gjorgjevski, Nicolas Keriven, simon barthelmé, Yohann De Castro. p. 325-328 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Étant donné un graphe avec un sous-ensemble de nœuds étiquetés, nous sommes intéressés par la qualité de l'estimateur de la moyenne qui, pour un nœud non étiqueté, prédit la moyenne des observations de ses voisins étiquetés. Nous étudions rigoureusement les propriétés de concentration, les limites de variance et les limites de risque dans ce contexte. Bien que l'estimateur lui-même soit très simple, nous pensons que nos resultats contribueront à la compréhension théorique de méthodes plus sophistiquées telles que les réseaux de neurones de graphes.

83. Classification d'objets enfouis par un modèle du second d'ordre en utilisant des données GPR Douba Jafuno, Ammar Mian, Guillaume Ginolhac, Nick Stelzenmuller. p. 329-332 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans ce papier, nous considérons un problème de classification multi-classes des signaux de radar à pénétration de sol (GPR pour Ground Penetrating Radar). Ce type de système permet de fournir une image du sous-sol et en particulier des objets enfouis. A cause du mouvement du RADAR, la réponse des objets est hyperbolique. Nous proposons donc d'effectuer cette classification à partir d'imagettes de ces hyperboles. Pour ce faire, le modèle propose utilise des matrices de covariances calculées en sortie de filtre d'un réseau peu profond. L'estimation est effectuée avec un pipeline comprenant une étape de backpropagation et des couches convolutives adaptées aux matrices de covariances sont ensuite ajoutées. Ces dernières permettent d'effectuer une réduction de dimension avant d'effectuer la classification en fin de réseau. Différentes couches basées sur des concepts de géométrie riemannienne gèrent les spécificités des matrices de covariances dans la classification. L'approche proposée permet alors d'effectuer une classification automatique des objets enfouis avec les données ́etiquetées disponibles. Nous testons notre approche sur un jeu de données réelles fourni par la société Geolithe.

84. Estimation de la ligne de base d'images hyperspectrales Said Sadeg, Jean Cauzid, El-Hadi Djermoune, Cécile Fabre, Yingying Song, David Brie. p. 333-336 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente une méthode d'estimation de la tendance associée à la ligne de base pour les images hyperspectrales. La méthode est fondée sur l'optimisation d'un critère intégrant un terme robuste et non quadratique de fidélité aux données et des termes de régularisation spatiale et spectrale. Contrairement à l'approche classique basée sur une correction de ligne de base pixel par pixel, l'algorithme proposé exploite conjointement les informations spatiales et spectrales et offre une complexité linéaire en fonction de la taille de l'image. L'efficacité de l'algorithme est démontrée à l'aide de données simulées et d'une image géologique réelle en spectrométrie de fluorescence des rayons X (XRF).

85. Modélisation statistique de la SER des cibles pour la détection radar Stéphanie Gourdin, Marc Montécot. p. 337-340 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les cibles rencontrées par les radars évoluent, on rencontre aujourd'hui non seulement des avions de ligne et de chasse mais également des cibles plus atypiques tels que les cibles furtives, les drônes …. La bande de fréquence sur laquelle peut travailler le radar s'élargit également. Ces évolutions reposent la question de l'adéquation de l'utilisation des modèles de Swerling pour modéliser le comportement des cibles dans l'objectif d'évaluer les performances du radar. Dans cet article, nous proposons de comparer différents modèles statistiques en regard de données de surface équivalente radar de cibles réelles mesurées en vol ou en base. Nous montrons que le modèle de Swerling reste bien adapté pour le cas simple d'une cible en face-face (même atypique) dans une bande limitée. Cependant le généraliser avec la distribution de Pareto Généralisée permet de prendre en compte la diversité des angles de présentation des cibles possibles, et l'élargissement éventuel de la bande.

86. Apprentissage semi-supervisé avec données partiellement étiquetées Victor Léger, Romain Couillet. p. 341-344 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article propose d'étendre le cadre de l'apprentissage semi-supervisé en y intégrant des données mal étiquetées, ou encore étiquetées avec des avis divergents. Nous montrons quel gain de telles étiquettes peuvent apporter à un problème de classification, à la fois d'un point de vue théorique et d'un point de vue pratique. Notre modèle s'accompagne de garanties théoriques de performance qui permettent un contrôle précis de l'algorithme et de ses paramètres. De plus, la théorie de l'information nous montre que notre algorithme atteint des performances quasi-optimales.

87. Détection de changements dans les modèles gaussiens de rang K appliquée à l'imagerie SAR Rémi BEISSON, Pascal Vallet, Guillaume Ginolhac, Audrey Giremus. p. 345-348 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous proposons l'application d'une nouvelle statistique de test, basée sur un test d'égalité entre les matrices de covariance de $L$ séries temporelles gaussiennes multivariées de dimensions $M$, à l'imagerie \textit{Synthetic-aperture radar} (SAR). Cette statistique de test se place dans le cas où les $L$ matrices de covariances sont une perturbation de rang $K$ de l'identité, assimilable à un modèle signal plus bruit. Elle possède les propriétés de consistance et de taux de fausse alarme asymptotique constant dans le régime des grandes dimensions, lorsque la dimension des pixels $M$ et le nombre de pixels à l'étude $N_1, \dots, N_L$ tendent vers l'infini au même rythme. Des simulations sur des données réelles SAR, permettront de mettre en avant les bonnes performances du test développé.

88. Algorithme proximal efficace pour l'approximation Hankel rang faible Florent Chatelain, Julien Flamant, Nicolas LE BIHAN. p. 349-352 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article s'intéresse à l'approximation de rang faible de matrices structurées (SLRA) de type Hankel. Ce problème apparaît notamment en traitement du signal lorsque l'on s'intéresse à la décomposition d'un signal en somme d'harmoniques amorties. Nous montrons qu'il est possible de tirer parti de la structure Hankel rang faible afin d'établir un calcul Hankel efficace optimisant le coût mémoire et computationnel. Un algorithme proximal efficace est proposé en reformulant les contraintes Hankel du problème SLRA via une pénalisation appropriée. Les simulations numériques démontrent la pertinence de l'approche en termes d'erreur de reconstruction et de temps de calcul.

89. Approximation gaussienne de champs de Markov pour la segmentation non supervisée d'images Sonia Ouali, Jean-Baptiste Courbot, Romain Pierron, Olivier Haeberle. p. 353-356 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous nous intéressons au problème de segmentation bayésienne d'images. Les méthodes avec a priori markoviens étant très coûteuses calculatoirement, nous proposons une approximation via un modèle de champ gaussien. Nous introduisons le modèle et la démarche d'inférence associée pour la segmentation non supervisée, et les résultats numériques montrent l'intérêt en performance, et en temps de calcul, de notre approche.

90. Apprentissage auto supervisé guidé statistiquement pour la détection d'anomalies en imagerie SAR Max Muzeau, Chengfang Ren, Dactu Mihai, Jean-Philippe Ovarlez. p. 357-360 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La détection d'anomalies dans les images acquises par un radar à synthèse d'ouverture (SAR) suscite beaucoup d'intérêts en télédétection. Cependant, la rareté des données anormales et le manque d'annotations conduit la plupart des algorithmes dans ce domaine à être non supervisés. Pour résoudre ce problème, cet article propose une nouvelle fonction de coût prenant en compte des informations sur les statistiques des données d'entrées. Elle sera appliquée à un autoencodeur adversarial (AAE) dont le but est de reconstruire les données d'entrée sans les anomalies après les avoir encodées dans un vecteur latent. Pour cela, l'AAE est entraîné sur une fonction de perte guidée par le détecteur Reed-Xiaoli (RX) remplaçant tous les pixels de l'image d'entrée jugés anormaux par les valeurs normales environnantes. De plus, les anomalies sont largement sous-représentées par rapport au reste de l'image, ce qui induit une mauvaise reconstruction des anomalies après le traitement encodage décodage par l'AAE. Finalement, un détecteurs de changement est appliqué entre l'image d'entrée et de sortie de l'AAE pour délimiter les anomalies. Une étude expérimentale sur des image SAR en bande L montre que la fonction de coût proposée améliore les performances de détection.

91. Exploration d'architectures de réseaux de neurones pour la segmentation sémantique d'images aériennes Agathe Archet, François Orieux, Nicolas Ventroux, Nicolas Gac. p. 361-364 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La segmentation sémantique d'images aériennes nécessite une extraction complexe d'informations contextuelles. Des Réseaux de Neurones (RdN) convolutifs spécialisés performants se développent pour répondre à ce besoin, mais dans un contexte embarqué, leur structure trop lourde est inadaptée pour une exécution sur cible contrainte en latence ou en consommation d'énergie. Nous proposons donc d'utiliser des méthodes de recherche automatique d'architectures neuronales (NAS) capable de prendre en compte ces contraintes embarquées. Nous démontrons que leur utilisation est possible et peut conduire à d'excellentes performances malgré une complexité réduite. Par exemple, comparé à DC-Swin, la méthode FastNAS atteint une mIoU similaire à 0,838 (-3%) pour une complexité calculatoire réduite de 88% (4,6 GMAC, Multiplication- Accumulations) pour le jeu de données Potsdam.

92. Garanties de convergence pour la résolution de problèmes inverses linéaires par réseaux de neurones génératifs Nathan Buskulic, Yvain Quéau, Jalal Fadili. p. 365-368 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les réseaux de neurones génératifs sont devenus depuis quelques années un outil majeur pour la résolution de problèmes inverses. Cependant, la compréhension théorique de ces modèles reste assez lacunaire. Dans cet article, nous nous intéressons aux garanties théoriques de ces réseaux entraînés par flot de gradient. Nous démontrons d'abord, que pour n'importe quelle fonction de coût vérifiant l'inégalité de Kurdyka-Łojasiewicz, l'entraînement du réseau sous certaines conditions sur sa jacobienne produira une solution de coût nul. Nous fournissons ensuite des garanties déterministes de reconstruction du signal sous-jacent sous une condition d'injectivité restreinte de l'opérateur de mesure. Pour les réseaux à deux couches, équipés d'une fonction d'activation lisse, nous exhibons les bornes de sur-paramétrisation sous lesquelles les garanties déterministes de reconstruction sont vraies avec une grande probabilité.

93. Modèle génératif pour l'interprétation géologique d'images tomographiques en Géosciences Théo Santos, Ferréol Soulez, Thomas Bodin. p. 369-372 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La résolution d'un problème inverse en sciences physiques peut passer par l'exploration de l'ensemble des modèles possibles. Nous proposons ici d'entraîner un réseau de neurones à reproduire des simulations physiques. Ce réseau est ensuite utilisé pour échantillonner l'ensemble des modèles expliquant les données observées. Nous le mettons en oeuvre pour ajuster des modèles géologiques de manteau supérieur appelés gâteaux marbrés sur des données tomographiques. Nous montrons que les images générées sont statistiquement proches des modèles théoriques et nous obtenons le résultat de l'inversion sous forme d'une distribution.

94. Solution exacte pour la fusion rapide de données multispectrales et hyperspectrales avec flous non stationnaires Dan Pineau, François Orieux, Alain Abergel. p. 373-376 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La fusion de données multispectrales/hyperspectrales permet la restauration de données avec des résolutions spatiale et spectrale accrues. Une approche possible est la résolution d'un problème inverse mal posé par la minimisation d'un critère des moindres carrés régularisés. Cette minimisation requiert généralement une méthode itérative basée sur les gradients, mais cet article démontre l'existence d'une solution exacte qui peut être obtenue explicitement. Des modèles directs d'imageur et de spectromètre sont décrits, la solution explicite est développée, puis une application sur des données simulées du James Webb Space Telescope est présentée. Un gain de temps potentiel d'un facteur 1 000 est mis en valeur par la méthode proposée.

95. Extraction jointe de spectres d'Objets Trans-Neptuniens avec le mode Fixed Slit de l'instrument JWST/NIRSpec Laurence Denneulin, Aurélie Guilbert-Lepoutre, Maud Langlois, Samuel Thé, Eric THIEBAUT, Bryan J. Holler, Pierre Ferruit. p. 377-380 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La caractérisation spectrale des Objets Trans-Neptuniens permet de comprendre les mécanismes de leur formation et, par extension, ceux de notre système solaire. Le mode fente fixe du spectrographe en infra-rouge proche du télescope spatial James Webb fourni des spectres de tels objets d'excellente qualité, car non-pollués par l'absorption chromatique de l'atmosphère terrestre, et avec une résolution spectrale allant de 100 pour la basse résolution, à 1000 pour la moyenne résolution. Les données observées correspondent à la distribution spectrale de l'intensité de l'objet non-résolu spatialement, mais flouté par la fonction d'étalement de point (PSF). Pour en extraire le spectre, la méthode standard intègre le flux dans une fenêtre de taille fixe et ne prend en compte ni la taille ni la forme de la PSF, au risque d'intégrer du bruit. C'est pourquoi nous proposons ici une méthode d'extraction de spectre basée sur celle de EXOSPECO. Cette méthode par approche inverse régularisée prend en compte la variabilité de la PSF en fonction de la longueur d'onde. Nous montrons que notre méthode donne des résultats bien moins bruités et plus facilement exploitables que ceux de la chaîne de traitement standard.

96. Comparaison de formes d'ondes pour radar MIMO Hind AIT TALEB, Valentine WASIK, Abigael Taylor, Yassin EL HILLALI. p. 381-384 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le but du radar est de détecter des cibles et de déterminer certaines de leurs caractéristiques (distance, vitesse, angle). Ce papier s'intéresse à la comparaison des signaux élémentaires utilisés avec différentes méthodes de génération de formes d'ondes pour un radar MIMO de détection et de localisation de débris spatiaux. La fonction d'ambiguïté caractéristique de chaque code est étudiée et des critères quantitatifs sont fournis pour évaluer les performances du radar.

97. Une méthode de Gradient Boosting d'Arbre de Décision explicative basée sur l'algorithme de Frank-Wolfe Emilien Boizard, Gilles Chardon, Frédéric Pascal. p. 385-388 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Résumé – Les modèles de Gradient Boosting d'Arbre de Décision (GBDT) sont des algorithmes d'estimation très efficaces mais peu explicables. Pour améliorer cet aspect, nous proposons dans cet article une nouvelle méthode inspirée des GBDT permettant d'extraire les données du jeu d'entraînement sur lesquelles elle s'appuie pour faire une prédiction donnée. Pour s'assurer des performances de cette méthode et de son explicativité, elle sera testée sur trois différents jeux de données.

98. MDGNet: a light-weight, hardware-compliant Convolutional Neural Network for efficient image inference tasks Van Thien Nguyen. p. 389-392 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La conception des réseaux de neurones dédiée à des architectures micro-électroniques frugales est désormais primordiale pour limiter le coût des algorithmes d'inférence implémentés au sein de systèmes embarqués. Dans cet article, nous proposons un modèle de réseau compact, MDGNet, dédié à la classification d'images. Pour obtenir ce modèle compressé, MDGNet s'appuie sur une combinaison d'éléments de factorisation tels que les convolutions séparables et convolutions par groupe. Par ailleurs, ce modèle tire profit d'interconnexions réalisées à l'aide d'un Multiplexeur contrôlé dynamiquement et permettant une forte compatibilité avec une approche de co-conception matérielle impliquant une forte quantification, comme reporté dans cet article. Les résultats expérimentaux sur deux bases de données (STL-10, CelebA) démontrent une excellente performance de cette approche, pour un coût en mémoire et complexité de calculs réduits.

99. Le Smart Kalman filter : une approche basée sur l'apprentissage profond pour l'estimation du canal Antoine SIEBERT, Guillaume FERRE, Bertrand LE GAL, Aurélien FOURNY. p. 393-396 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans les communications sans fil, le signal reçu peut être fortement altéré par l'environnement et ainsi être affecté d'interférence entre symboles (IES). Afin de correctement estimer les symboles reçus, il faut minimiser cette IES. Pour cela, le canal de propagation doit être estimé dans le but d'être compensé. Le filtre de Kalman (KF pour Kalman filter en anglais) est un algorithme d'estimation incontournable pour les systèmes linéaires de par son optimalité en terme d'erreur quadratique moyenne minimale (EQMM). Cependant, les implémentations d'un KF dans des systèmes réels posent souvent des difficultés car certains paramètres nécessitent d'être manuellement fixés. Dans cet article, nous présentons le Smart Kalman filter (SKF), une architecture hybride qui allie un KF avec les capacités de l'apprentissage profond pour estimer les paramètres optimaux du KF au cours du temps. Nous démontrons dans ce papier l'efficacité du SKF qui offre un gain entre 3 dB et 5 dB par rapport à un algorithme des moindres carrés (LS pour Least Squares en anglais) dans un contexte de canaux variant brutalement dans le temps.

100. Assimilation de données variationnelle de séries temporelles d'images Sentinel-2 avec un modèle dynamique auto-supervisé Anthony Frion, Lucas Drumetz, Mauro Dalla Mura, Guillaume Tochon, Abdeldjalil Aissa El Bey. p. 397-400 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Au cours des dernières années, l'apprentissage profond a acquis une importance croissante dans de nombreux domaines scientifiques, notamment en ce qui concerne le traitement d'images, et en particulier pour le traitement des données issues de satellites. Le paradigme le plus courant en ce qui concerne l'apprentissage profond est l'apprentissage supervisé, qui requiert une grande quantité de données annotées représentant la vérité terrain pour la tâche d'intérêt. Or, obtenir des données correctement annotées pose souvent des difficultés financières ou techniques importantes. Pour cette raison, nous nous plaçons ici dans le cadre de l'apprentissage auto-supervisé. Nous proposons un modèle d'apprentissage profond inspiré de la théorie de l'opérateur de Koopman qui apprend, à partir de séries temporelles d'images multispectrales Sentinel-2, à modéliser les dynamiques de long terme de réflectance des pixels. Après son entraînement, notre modèle peut être utilisé dans divers problèmes inverses faisant intervenir la dynamique temporelle pour résoudre différentes tâches telles que l'interpolation ou le débruitage de données.

101. SCAPE : Regroupement d'Acteurs flux de Données en Fonction de l'Architecture pour une Complexité d'Ordonnancement Contrôlée Ophélie Renaud, Karol Desnos, Jean François NEZAN. p. 401-404 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les modèles flux de données sont des paradigmes de programmation efficaces pour exposer le parallélisme d'une application. Traditionnellement, les méthodes de placement et d'ordonnancement pour les modèles flux de données reposent sur des transformations complexes de graphes pour exposer tout le parallélisme potentiel d'une application, ce qui peut donner lieu à des graphes complexes pour des applications hautement parallèles. La complexité des algorithmes de placement et d'ordonnancement sur ces graphes complexes est prohibitive, alors que le parallélisme exposé dépasse souvent le parallélisme potentiel de l'architecture cible. Nous proposons dans cet article la méthode automatique SCAPE pour contrôler la complexité de la transformation du graphe de pré-ordonnancement en utilisant des informations provenant des modèles d'architecture et d'application. En diminuant la complexité de ce graphe, les algorithmes de placement et d'ordonnancement sont accélérés au détriment potentiel de l'ordonnancement produit. La méthode SCAPE permet de contrôler la taille du graphe de pré-ordonnancement pour trouver le compromis entre rapidité et qualité du placement-ordonnancement. La méthode SCAPE accélère les algorithmes de placement et de l'ordonnancement de l'état de l'art d'un facteur pouvant aller jusqu'à 2 ordres de grandeur.

102. Distillation de connaissances de CNN dans une infrastructure de Edge Computing Cédric Maron, Virginie Fresse, Karynn Morand. p. 405-408 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Avec l'intérêt grandissant pour la compression de réseaux de neurones, plusieurs techniques permettant d'obtenir des réseaux compacts et efficients ont vu le jour. L'une d'entre elles, la distillation de connaissances, permet de transférer les connaissances d'un réseau (enseignant) vers un réseau (élève) lors de la phase d'apprentissage de ce dernier. La distillation de connaissances est généralement réalisée dans le Cloud car les architectures de réseaux enseignants sont souvent trop lourdes pour être hébergées sur des ressources de Edge. Ainsi, la distillation est souvent impossible dans un contexte purement Edge. Dans cet article, nous proposons une nouvelle méthode de distillation adaptée à une infrastructure de Edge Computing utilisant des architectures de réseaux élève et enseignants de tailles réduites et équivalentes. Les expérimentations réalisées montrent une augmentation de la précision du réseau élève de 0,8% sur la base de données CIFAR10 par rapport à un entrainement sans distillation.

103. Deep learning-based image exposure enhancement as a pre-processing for an accurate 3D colon surface reconstruction Ricardo Espinosa-Loera, Carlos Axel Garcia-Vega, Gilberto Ochoa-Ruiz, Dominique Lamarque, Christian Daul. p. 409-412 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

This contribution shows how an appropriate image pre-processing can improve a deep-learning based 3D reconstruction of colon parts. The assumption is that, rather than global image illumination corrections, local under- and over-exposures should be corrected in colonoscopy. An overview of the pipeline including the image exposure correction and a RNN-SLAM is first given. Then, this paper quantifies the reconstruction accuracy of the endoscope trajectory in the colon with and without appropriate illumination correction.

104. Automated endoscopic stone recognition using a multi-view fusion approach and a two-step transfer learning Franscisco Javier Lopez-Tiro, Elias Villalvazo-Avila, Juan Pablo Betancur-Rengifo, Jonathan El-Beze, Jacques Hubert, Gilberto Ochoa-Ruiz, Christian Daul. p. 413-416 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

This contribution presents a deep-learning method for extracting and fusing image information acquired from different viewpoints, with the aim to produce more discriminant object features for the identification of the type of kidney stones seen in endoscopic images. The model was further improved with a two-step transfer learning approach and by attention blocks to refine the learned feature maps. These deep feature fusion strategies improved the results of single view extraction backbone models by more than 6% in terms of accuracy of the kidney stones classification.

105. Intégration de mesures de distance entre agents de corrélation inconnue : cas unidimensionnel Colin CROS, Pierre-Olivier Amblard, Christophe Prieur, Jean-François Da Rocha. p. 417-420 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce papier porte sur le positionnement collaboratif par mesures de distance inter-agents. Nous définissons et étudions le filtre linéaire optimal pour des mesures de distance entre agents évoluant sur une droite et dont les corrélations entre les estimateurs ne sont pas connues. Ce filtre adopte une approche minimax : il minimise l'erreur quadratique pour la pire corrélation possible. Son étude montre que dans certains cas, il vaut mieux ne pas utiliser les mesures.

106. Tatouage numérique de modèles de diffusion latente Pierre Fernandez, Guillaume Couairon, Hervé Jégou, Matthijs Douze, Teddy Furon. p. 421-424 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente une stratégie de tatouage pour les modèles de diffusion latente. Le but est de cacher une marque invisible dans les images dès leur création pour faciliter leur détection. Notre approche ajuste finement le générateur afin que les images générées aient une signature binaire invisible, détectable par un un réseau extracteur de tatouage auto-supervisé. Un test statistique détermine si l'image a été produite par le modèle génératif. Ceci permet, par exemple, de détecter avec un rappel de 90% et un taux de faux positifs inférieur à 1e-6, l'origine d'une image générée puis recadrée pour ne conserver que 10% du contenu.

107. Algorithme Heuristique de Partitionnement Soustractif pour Reconnaissance Aveugle de Schéma de Modulation Lionel de Guenin, Patrick Rosson, nicolas petrochilos, Eric MOREAU. p. 425-428 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce papier présente un algorithme de reconnaissance aveugle d'ordre de modulation pour signaux à modulation d'amplitude en quadrature (QAM), fréquemment utilisés pour les communications sans-fil OFDM. La méthode proposée se base sur une méthode de reconnaissance de constellation, utilisant un algorithme de partitionnement soustractif. Une analyse en composante principale permet une réduction de bruit et une réduction de longueur du signal lorsqu'il est sur-échantillonné, ainsi qu'une estimation du bruit résiduel, cette information est utilisée pour effectuer un partitionnement soustractif. Enfin une classification en deux étapes exploite le nombre de groupes estimés ainsi que leur position dans le plan complexe pour inférer le schéma de modulation. Les résultats de simulation montrent que l'algorithme proposé permet de meilleures performances que l'état de l'art, en utilisant moins de paramètres libres.

108. Débruitage multi-modal d'images radar à synthèse d'ouverture par apprentissage profond auto-supervisé Victor Gaya, Emanuele Dalsasso, Loïc DENIS, Florence TUPIN, Béatrice Pinel-Puysségur, Cyrielle Guérin. p. 429-432 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'observation de la Terre a été largement facilitée depuis de nombreuses années grâce à l'utilisation des satellites imageurs radar à synthèse d'ouverture (SAR), qui offrent des capacités d'imagerie indépendantes des conditions météorologiques. Toutefois, l'interprétation de ces images SAR est complexe en raison de la présence de bruit inhérent à l'imagerie cohérente. En effet, des fluctuations apparaissent dans les images, notamment là où la réflectivité radar est élevée. Ainsi, de nombreuses méthodes ont été développées pour réduire le bruit présent dans ces images, notamment des méthodes neuronales particulièrement efficaces. Dans cet article, nous proposons d'étudier comment l'ajout d'une donnée auxiliaire comme une image optique peut améliorer la restauration de la réflectivité dans ce cadre.

109. La parcimonie des réseaux de neurones peut améliorer leur confidentialité Antoine Gonon, Léon Zheng, Clément Lalanne, Quoc-Tung Le, Guillaume Lauga, Can Pouliquen. p. 433-436 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'utilisation des réseaux de neurones parcimonieux, qui par définition ont peu de paramètres non nuls, est d'abord motivée par l'obtention de performances similaires au réseau dense d'origine tout en économisant des ressources. Cet article montre par ailleurs empiriquement que la parcimonie peut améliorer la confidentialité des données utilisées à l'entraînement des réseaux.

110. Evaluation de la confiance des minuties d'une empreinte digitale Christophe Charrier. p. 437-440 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les systèmes de reconnaissance biométriques par empreinte digitale sont généralement basés sur une étape d'appariement de deux modèles de minuties. Chaque minutie représente un point particulier de l'empreinte. Les applications embarquées ont en général une capacité mémoire restreinte, et ne peuvent contenir qu'un nombre limité de minuties. La vitesse de reconnaissance des empreintes digitales étant proportionnelle au nombre de minuties comparées, une nouvelle mesure de confiance est proposée pour chaque minutie du modèle. Cet indice prédit l'importance et l'utilité de chaque minutie par rapport aux autres minuties du modèle. Cette mesure a été appliquée dans le cas d'utilisation de la réduction de gabarit sur les bases de données Fingerprint Verification Competition (FVC) et SFINGE et a démontré sa capacité à atteindre des performances élevées

111. Analyse des effets du bruit de phase Gaussien sur un signal DFT-s-OFDM Yaya Bello, David Demmer, Jean-Baptiste Doré. p. 445-448 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous présentons les effets du bruit de phase Gaussien sur un système DFT-s-OFDM. La présence de ce dernier induit l'apparition de deux termes d'interférence qui sont : (i) l'erreur de phase par porteuse (SPE) et (ii) l'interférence entre porteuse (ICI). De plus, nous montrons que le SPE peut être modélisé par un déphasage tel que la phase suit une distribution Gaussienne non corrélée. Par contre l'ICI ne suit pas une distribution Gaussienne complexe non corrélée. La nature non corrélée du bruit de phase rend impossible son estimation et donc sa compensation. Afin d'améliorer les performances du système, nous proposons un détecteur basé sur les propriétés stochastiques du SPE et de l'ICI. Les performances du détecteur proposé sont meilleures comparées à celles du récepteur basé sur la distance Euclidienne.

112. Synthèse d'images basée sur le VAE Hamiltonien discriminant pour la segmentation de tumeurs dans le cas de petites bases de données Aghiles Kebaili, Jérôme Lapuyade-Lahorgue, Pierre Vera, Su Ruan. p. 449-452 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Malgré l'utilisation croissante de l'apprentissage profond dans la segmentation d'images médicales, l'acquisition de grande base de données étiquetée reste un défi dans le domaine médical. En réponse à cela, des techniques d'augmentation de données ont été proposées. Cependant, générer des images médicales diverses et réalistes ainsi que leurs masques correspondants reste une tâche difficile lorsqu'on travaille avec des ensembles de données insuffisants. Pour résoudre ces limitations, nous présentons une nouvelle architecture basée sur l'auto-encodeur Hamiltonien (HVAE), qui offre une représentation d'espace latent plus expressive et une meilleure approximation de la distribution postérieure par rapport aux auto-encodeurs variationnels (VAE) vanilla. De plus, nous introduisons une régularisation discriminative pour améliorer davantage la qualité des images générées. Nous avons testé notre méthode sur la base de données BRATS 2020. Les résultats ont démontré des améliorations en termes de diversité d'image et de qualité de représentation du masque tumoral par rapport aux VAEs et aux réseaux antagonistes génératifs par moindre carré (LSGAN) sur de petites bases de données.

113. Méthodes multi-niveaux pour la restauration d'images hyperspectrales Guillaume Lauga, Elisa Riccietti, Nelly Pustelnik, Paulo GONCALVES. p. 453-456 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente un nouvel algorithme proximal multi-niveau dont la construction est spécifique à la restauration d'images hyperspectrales. Deux méthodes d'approximation de la fonction objectif dédiée à ce problème sont proposées. Dans les deux cas, les garanties de convergence associées sont équivalentes à celles de l'état de l'art. Ces deux méthodes sont comparées à FISTA en qualité de reconstruction à temps de calcul équivalent pour un problème d'inpainting démontrant l'intérêt de l'approche proposée pour de très grands volumes de données.

114. Atténuation robuste du fouillis mural en imagerie radar à travers murs par optimisation riemannienne Hugo Brehier, Arnaud Breloy, Chengfang Ren, Guillaume Ginolhac. p. 457-460 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article explore l'atténuation du fouillis induit par le mur frontal dans le cadre de l'imagerie radar à travers murs à travers l'optimisation sur la variété riemannienne des matrices de rang fixé. Un ensemble de méthodes classiques de projection sur sous-espace utilisent implicitement une distance euclidienne entre les données et l'estimation du mur. Nous proposons ici d'utiliser une distance robuste pour gérer le bruit hétérogène présent dans de nombreuses applications radar. Une première approche est d'utiliser une relaxation convexe et un découplage de la variable optimisée. Nous introduisons une seconde approche via l'optimisation riemannienne pour ne pas relaxer la contrainte de rang ni faire usage du découplage. Finalement, nous validons cette approche par une étude de Monte-Carlo sur données simulées.

115. A Multistream Model for Continuous Recognition of Lexical Unit in French Sign Language Yanis Ouakrim, Denis Beautemps, Michèle Gouiffès, Thomas Hueber, Frédéric Berthommier, Annelies Braffort. p. 461-464 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les langues des signes constituent le premier moyen de communication des personnes sourdes, pourtant elles restent peu dotées du point de vue du traitement automatique des langues, et les outils linguistiques (traducteurs, concordanciers) qui leur sont dédiés sont rares. Dans ce papier, partant d'un corpus de dialogues en LSF de taille limitée, nous proposons un tout premier modèle d'apprentissage pour la reconnaissance de signes lexicaux en Langue des Signes Française (LSF). Les signeurs sont représentés par leur pose 3D, qui est fournie à un réseau de neurone récurrent bi-directionnel, entrainé à l'aide de l'approche CTC (Connectionist Temporal Classification). L'apport des principaux articulateurs est évalué dans la reconnaissance de la LSF et des approches mono et multiflux (un modèle par articulateur) sont comparées.

116. Dérivées de l'information mutuelle dans les canaux gaussiens Minh-Toan Nguyen. p. 465-468 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La formule I-MMSE relie deux quantités importantes en théorie de l'information et en théorie de l'estimation. Plus précisément, il indique que dans un canal gaussien, la dérivée de l'information mutuelle est la moitié de l'erreur quadratique moyenne minimale. Des dérivées plus élevées de l'information mutuelle sont liées à des erreurs d'estimation de moments plus élevés, mais une formule générale est inconnue. Dans cet article, nous dérivons une formule générale pour les dérivées de l'information mutuelle. Le résultat est remarquablement similaire à la relation moment-cumulant classique.

117. Méthodes d'inversion rapide pour RIM (Random Illumination Microscopy) Guillaume GIROUSSENS, Marc ALLAIN, Anne SENTENAC, Jerome IDIER, simon labouesse, Thomas MANGEAT. p. 469-472 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La microscopie par éclairements aléatoires (RIM) est une nouvelle technique d'imagerie super-résolue en microscopie de fluorescence associant des éclairements de type speckles et une méthode des moments d'ordre deux se présentant comme la résolution d'un problème inverse quadratique. Cependant, l'algorithme itératif existant présente une vitesse de convergence limitée. Dans cet article, nous montrons qu'une estimée non itérative, super-résolue et de qualité comparable peut être obtenue par une simple déconvolution de l'image d'écart-type. Il est ensuite possible d'améliorer cette estimation en utilisant une nouvelle stratégie itérative, avec une vitesse de convergence environ vingt fois supérieure à celle de l'algorithme existant.

118. La probabilit´e d'erreur binaire d'un syst`eme de communication `a modulation d'amplitude tr`es haut d´ebit en pr´esence de gigue. Paul Miqueu, Fabrice Belvèze, Jean-Marc Brossier, Laurent Ros. p. 473-476 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons une expression analytique des Probabilités d'Erreur Binaire (PEB) en présence de gigue et de bruit thermique qui affectent une liaison Serializer/Deserializer (SerDes) très haut débit. Nous obtenons la limite théorique supérieure de PEB pour une modulation Pulse Amplitude Modulation (PAM) en fonction du rapport E_b/N_0, de la variance de la gigue et de l'ordre de modulation. Nous démontrons la pertinence de la PEB théorique en la comparant à des Taux d'Erreur Binaire (TEB), résultats de simulation. La particularité du système réside dans le débit d'information très élevé, de l'ordre de la centaine de Gbps, qui interdit la présence de filtre adapté en réception.

119. Algorithme de diagonalisation conjointe par similitude avec procédure de balayage et paramétrisation non-arbitraires Rémi ANDRE, Xavier Luciani. p. 477-480 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La diagonalisation conjointe par similitude consiste à estimer une base de vecteurs propres commune à un ensemble de matrices. Les algorithmes de diagonalisation conjointe estiment séquentiellement deux variables à la fois à travers une stratégie de balayage par paires. Ces algorithmes diffèrent en fonction de la factorisation matricielle utilisée pour estimer ces deux variables. Dans cet article, nous proposons un nouvel algorithme permettant de sélectionner de manière non-arbitraire la factorisation matricielle et l'ordre de balayage des variables à estimer .

120. Évaluation du couvert neigeux à partir d'images SAR par apprentissage profond basé sur des images optiques de référence Mathias Montginoux, Flora Weissgerber, Sylvain Lobry, Jérôme Idier. p. 481-484 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les images satellites optiques sont couramment utilisées pour évaluer le couvert neigeux, mais dépendent des conditions météorologiques telles que les nuages. Pour pallier ce problème, nous proposons de détecter la neige à partir d'images SAR acquises par Sentinel-1 en utilisant un réseau de neurones convolutif entraîné avec des étiquettes issues d'images optiques MODIS. Une segmentation sémantique binaire est calculée à partir de deux entrées SAR polarimétrique : un ratio de neige humide et un ratio de neige sèche. Le modèle, appelé SESAR U-net, est entraîné sur une petite zone puis testé sur l'ensemble d'un bassin versant. Les étiquettes affectées par les nuages sont interpolées et l'incertitude est prise en compte. Notre méthode permet d'obtenir une précision globale supérieure à 80 %.

121. Fusion de données par filtrage adapté pour la détection d'exoplanètes en imagerie directe Jules Dallant, Éric THIÉBAUT, Maud LANGLOIS, Olivier FLASSEUR. p. 485-488 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Détecter des exoplanètes par imagerie directe est une tâche extrêmement ardue en raison du très haut contraste entre ces sources et leur étoile hôte. L'algorithme PACOME combine des observations à des époques différentes d'un même système extrasolaire en prenant en compte le mouvement Képlérien des sources qu'il cherche à détecter et permet d'atteindre une sensibilité encore inégalée. Dans ce papier, nous étendons le formalisme de cette méthode à une approche par filtrage adapté pour en dériver un critère optimal interprétable en terme de rapport signal sur bruit. Nous illustrons l'efficacité de la méthode sur des simulations réalistes de sources ajoutées dans des données réelles.

122. Une nouvelle application de détection de météores robuste aux mouvements de caméra Clara Ciocan, Mathuran Kandeepan, Adrien Cassagne, Jérémie Vaubaillon, Fabian Zander, Lionel Lacassagne. p. 489-492 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente un nouvel outil pour la détection automatique des météores nommé Fast Meteor Detection Toolbox (FMDT) qui est capable de détecter des météores entrant dans l'atmosphère terrestre en analysant des vidéos acquises avec des caméras embarquées à bord d'un ballon-sonde ou stabilisées dans un avion. Le défi est de concevoir une chaîne de traitement composée d'algorithmes simples tout en étant robustes à la grande variabilité des vidéos et en respectant des contraintes de consommation (10 W) et de temps réel (25 images par seconde).

123. Contraction d'une image en une petite séquence de tokens avec des modules d'attention croisée Natacha Luka, Romain Negrel, David Picard. p. 493-496 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous introduisons une méthode de contraction d'une image en une petite séquence entièrement basée sur des modules d'attention de type transformer décodeur. Nous introduisons le concept d'image queries : des tokens prototypes appris qui vont agréger l'information contenue dans l'image d'entrée, préalablement découpée en une séquence de patchs, formant ainsi une séquence de taille réduite utilisable pour d'autres applications. Contrairement aux autres modèles d'apprentissage profond utilisant des modules d'attentions en compression d'image, notre architecture ne contient aucune convolution.

124. Spectroscopie Raman comprimée pour la classification supervisée d'espèces : méthodologie pour la conception d'approches robustes Timothée Justel, Frédéric Galland, Antoine Roueff. p. 441-444 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La spectroscopie Raman est très utilisée pour l'analyse chimique, mais elle nécessite en général d'importants temps de pose. Pour pallier ce problème il est possible d'utiliser des techniques comprimées, qui consistent à ne mesurer qu'une partie du spectre après un filtrage en fréquence optimisé pour une tâche donnée grâce à un a priori sur l'échantillon analysé. En présence d'écarts de modèle, il est d'autant plus difficile de détecter et de caractériser ces écarts que le filtrage est spécialisé. Nous présentons une méthodologie basée sur les bornes de Bhattacharyya et de Cramér-Rao pour la conception d'un système Raman comprimé, permettant de classer les mesures parmi une liste d'espèces chimiques de spectres connus, de vérifier l'adéquation des mesures avec cet a priori, et de reconstruire les spectres rencontrés sans nécessiter de mesures supplémentaires.

125. Scaling is all you need: quantization of butterfly matrix products via optimal rank-one quantization Remi GRIBONVAL, Theo Mary, Elisa Riccietti. p. 497-500 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

On s'intéresse à la quantification des facteurs dans un produit de matrices creuses à structure papillon. On montre que les propriétés particulières es supports des facteurs papillon permettent d'aborder le problème comme une séquence de problème de quantification de rang un. On propose un algorithme optimal de quantification de rang un utilisant les invariances du problème par remise à l'échelle. Cet algorithme sert de brique de base dans une approche heuristique pour la quantification de produits papillon, qui s'avère bien plus précis qu'une approche naive basée sur la quantification de chaque facteur au plus proche voisin indépendamment.

126. Tempered SMC for Sequential Bayesian Optimal Design Jacopo Iollo, Florence FORBES, Pierre Alliez, Christophe Heinkelé. p. 501-504 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons une approche Monte Carlo séquentielle tempérée (SMC) pour l'optimisation séquentielle du design experimental dans un context bayésien. Le choix séquentiel des parametres de design est effectué par une procédure d'approximation stochastique (SA) incorporant des échantillonneurs SMC avec tempering. Le tempering rend possible \`a la fois un gain d'information important et un échantillonnage SMC précis. Cette combinaison originale de SA et SMC permet d'obtenir simultanément le design optimal et une approximation de la loi a posteriori des paramètres. Une application \`a une tache de localisation de sources illustre qu'un gain int\'eressant peut \^etre atteint en utilisant des simulations pour limiter le nombre de mesures couteuses \`a faire sur le terrain.

127. Analyse et prédiction de séries temporelles multivariées pour la surveillance de la santé d'ouvrages d'art Fatiha Chabi, Franziska Schmidt, Jean-François BERCHER. p. 505-508 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La surveillance de l'état des structures comme les ponts est de plus en plus nécessaire et utilisée. Dans cet article, nous utilisons un ensemble de données réelles et proposons une méthode de surveillance basée sur un modèle statistique des données fournies par un ensemble de capteurs déployés sur la structure. Le modèle statistique est un modèle linéaire multivarié de type VAR structurel, régularisé L1, qui permet l'utilisation conjointe de nombreux capteurs. En comparant les prédictions du modèle avec les valeurs réelles, nous montrons qu'un tel modèle permettrait de détecter à la fois des anomalies soudaines et des dérives lentes, que ce soit sur la structure ou sur les capteurs.

128. Prédiction de la précision d'apprentissage des réseaux de neurones convolutifs par mesure du chaos Rémi Piau, Thomas Maugey, Aline ROUMY. p. 509-512 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Apprendre sur les données codées avec un codeur entropique présente de nombreux avantages: cela permet d'éviter de décoder tout en ayant des données de taille plus faible à traiter. Pourtant cette manière d'apprendre n'a pas été explorée à cause du chaos introduit par les codeurs entropiques. En effet, la pièce centrale des algorithmes d'apprentissage profond, la convolution a besoin que la fonction d'encodage préserve la distance entre les pixels (proximité spatiale), ainsi que la distance entre les valeurs de ces mêmes pixels (proximité sémantique). Même si ces deux propriétés ne sont pas satisfaites par les codeurs entropiques, nous avons montré précédemment que l'apprentissage sur des données codées par un codeur entropique est possible et que la précision de cet apprentissage dépend du respect de ces proximités. Dans ce papier nous mesurons cette dépendance et introduisons une nouvelle métrique qui mesure le chaos dans une représentation de données. Cette mesure est facile à calculer, car elle ne dépend que des données codées. Cette dernière nous permet de prédire la précision de notre apprentissage sur les données codées.

129. LATENTPATCH : Une approche non-paramétrique à la génération et l'édition de visages Benjamin Samuth, Julien Rabin, David Tschumperlé, Frédéric Jurie. p. 513-516 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce papier introduit LATENTPATCH, une nouvelle méthode de génération d'images réalistes à l'aide de peu d'images. À la différence des approches dites de finetuning sur de larges modèles génératifs pré-entraînés, notre approche consiste en une affectation séquentielle des patchs d'exemples plongés dans un espace latent. Cette méthode est par nature géométriquement explicable et s'inspire des algorithmes non-paramétriques de synthèse de textures et de transfert de style. Elle s'assure que les caractéristiques des images générées correspondent à la distribution des images d'origine, s'affranchissant ainsi des limitations des modèles plus larges basés sur les transformers, les réseaux récurrents ou l'auto-attention, vis-à-vis des faibles quantités de données. Nous étendons les précédents modèles de génération utilisant une seule image, pour les faire fonctionner avec plusieurs, et démontrons que notre méthode peut générer des images réalistes, faire de l'édition et de la génération conditionnelle. Les expériences effectuées sur des bases de visages montrent que notre méthode s'avère efficace et générique.

130. Pseudo-Randomisation Partielle et Quantification pour la compression des réseaux de neurones convolutifs Florent Crozet, Stéphane Mancini, Marina Nicolas. p. 517-520 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'amélioration des performances des CNNs passe, encore aujourd'hui, par une augmentation du nombre de couches du réseau de neurones et/ou du nombre de filtres par couche, induisant une augmentation du nombre de paramètres nécessaires à l'exécution de l'inférence. Pour un système embarqué, ce coˆut supplémentaire impacte le déploiement de solutions de vision par ordinateur basées sur des CNNs. Nous proposons une méthode de compression des CNNs basée sur le remplacement de poids appris par des poids pseudo-aléatoires qui sont générés à la volée lors de l'inférence ainsi que sur l'utilisation de la quantification pour limiter l'empreinte mémoire du réseau. Avec cette approche, nous divisons par 5 la taille mémoire de MobileNetV2 en impactant sa précision de moins de 5%.

131. Histoire Récente de la Sécurité des Contenus Multimédia - Un Focus sur la Dissimulation d'Information Patrick BAS, Gwenaël DOERR, Teddy FURON, William PUECH. p. 521-524 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le tatouage numérique et la stéganographie sont les deux faces de la dissimulation d'information dans les contenus multimédia. Dans cet article, nous passons en revue les avancées techniques de ces deux domaines et nous indiquons comment ces technologies se sont installées dans notre vie de tous les jours.

132. Estimation de performances d'un imageur hyperspectral compressif sur système embarqué pour des applications de télédétection Olivier Lim, Stéphane Mancini, Mauro Dalla Mura. p. 525-528 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce travail est une étude prospective sur les performances pour la reconstruction de données issues d'un imageur à base d'acquisition comprimée, le Double-Disperser Coded Aperture Snapshot Spectral Imager (DD CASSI), sur un système embarqué tel qu'une carte graphique (GPU) ou un circuit logique programmable (FPGA) dans le but de réaliser des captures hyperspectrales. Cette étude cible le cadre de la télédétection et les contraintes associées. C'est novateur vis-à-vis de la littérature puisque la plupart des travaux sur l'acquisition comprimée porte sur la qualité de reconstruction et ignore les exigences pour des applications en temps-réel en ce qui concerne les coûts algorithmiques ou la bande passante. De plus, les travaux utilisant des systèmes embarqués sont très rares. Des moyens pour améliorer les performances sont présentés et l'amélioration apportée est évaluée.

133. Sélection de relais robuste aux canaux imparfaits pour la radio cognitive coopérative exploitant des réseaux profonds Romain Negrel, Yacine Benatia, Anne Savard, E. Veronica Belmega. p. 529-532 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Notre étude porte sur la sélection de relais conjointe avec l'allocation de puissance permettant de maximiser le débit opportuniste d'un réseau de radio cognitive où le réseau secondaire est assistée par des relais full-duplex réalisant le schéma Compresser-et-Transférer ou Compress-and-Forward (CF). Le problème d'optimisation considéré n'est pas convexe mais peut-être résolu en exploitant des réseaux de neurones profonds (convolutifs ou entièrement connectés). Un deuxième avantage majeur des réseaux de neurones est leur robustesse à une connaissance imparfaite des canaux de communication.

134. Co-conception d'un réseau de neurones convolutif de segmentation sémantique et de son architecture matérielle Hugo Le Blevec, Mathieu Léonardon, Hugo Tessier, Matthieu Arzel. p. 533-536 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

De nombreuses tâches de vision machine, comme la compréhension des scènes urbaines, reposent sur l'apprentissage automatique, et plus particulièrement sur les réseaux de neurones profonds, afin de fournir des résultats suffisamment précis pour permettre des technologies telles que les véhicules autonomes. Les réseaux de neurones profonds convolutifs étant très gourmands en ressources informatiques, les GPU sont généralement la cible matérielle privilégiée pour l'accélération. Cependant, ces applications embarquées ont une consommation d'énergie élevée et des exigences de latence qui ne sont pas compatibles avec l'utilisation des GPU. Les FPGA se sont révélés être une excellente cible pour le déploiement d'applications hautement parallèles, à faible latence et à faible consommation d'énergie de toutes sortes. La conception d'architectures matérielles pour les réseaux de neurones peut être une tâche très fastidieuse, en particulier pour les architectures complexes telles que celles utilisées pour la segmentation sémantique, qui sont composées de couches et de raccourcis spécifiques à différents niveaux du modèle. Des frameworks dédiés comme FINN offrent une solution pour faciliter leur développement. Dans ce travail, nous avons identifié les problèmes potentiels pour l'implémentation d'un tel modèle en utilisant FINN, nous les avons résolus et nous avons évalué les performances ainsi atteintes. Notre modèle, un codeur-décodeur convolutif basé sur U-Net, atteint 62.9% mIoU avec une quantification entière de 4 bits. Une fois déployée sur la carte FPGA Xilinx Alveo U250, l'architecture de réseau neuronal mise en œuvre est capable de produire près de 20 images par seconde. Le code de ce travail est open-source et a été rendu public.

135. Modèle photométrique RVB fin pour la co-conception optique/réseau de neurones Marius Dufraisse, Pauline Trouvé-Peloux, Jean-Baptiste Volatier, Frédéric CHAMPAGNAT. p. 537-540 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les méthodes de co-conception optimisent une optique et un traitement mais résument généralement l'influence de l'optique à la réponse impulsionnelle du système sans considérer les changements d'intensité lumineuse qui modifient le rapport signal à bruit de l'image numérisée. Nous proposons un modèle de capteur imageur prenant en compte les différentes sources de bruit. Il est destiné à la co-conception de systèmes optiques et de réseaux de neurones. Nous appliquons cette modélisation à des exemples d'extension de profondeur de champ dans des cas réalistes : avec des images RVB et des objets hors de l'axe optique.

136. Compression sélective d'image basé sur la sémantique Tom Bordin, Thomas Maugey. p. 541-544 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article propose un modèle pour une compression d'image sélective. L'image est séparée en deux régions à l'aide d'un masque, traitant l'une sur un critère sémantique et l'autre sur un critère distorsion. L'encodage de la majorité de l'image devient ainsi une simple extraction du contenu sémantique ce qui permet d'atteindre des taux de compression extrêmement bas. Le décodage repose sur un modèle génératif s'appuyant sur le processus de diffusion. La description sémantique est alors faite à partir d'une carte de segmentation et de couleur. Cette méthode permet ainsi d'obtenir des images de haute qualité à bas débit en régénérant seulement une partie de faible intérêt.

137. Hybrid signal processing and data-driven approaches for vibration-based condition monitoring of a fleet of wind turbine drivetrains Cédric Peeters, Kayacan Kestel, Pieter-Jan Daems, Jens Matthys, Giorgos Protopapadakis, Fabian Perez-Sanjines, Timothy Verstraeten, Jan Helsen. p. 545-548 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La surveillance de l'état des chaînes cinématiques des éoliennes est une tâche difficile en raison de la présence de nombreux sous-composants rotatifs dans leurs boîtes d'engrenages. Ces sous-composants génèrent de nombreuses excitations harmoniques, qui créent des signaux de vibration dominants pouvant masquer les signatures de défauts potentiels des engrenages et des roulements. En outre, les éoliennes fonctionnent dans des environnements non stationnaires, ce qui entraîne des vibrations différentes en fonction du régime opérationnel. Pour faire face à cette complexité, une approche hybride combinant le traitement du signal et les méthodes basées sur les données est utilisée. Le traitement du signal est utilisé dans un premier temps pour simplifier les données sur la base de connaissances physiques, tandis que les méthodes basées sur les données sont utilisées pour analyser les données de manière plus approfondie. Cet article présente les détails d'une telle approche de surveillance hybride appliquée aux données expérimentales d'une éolienne.

138. Recalage et fusion d'images échographiques et par résonance magnétique au service de la chirurgie de l'endométriose Youssra EL BENNIOUI, Oumaima EL MANSOURI, Fabien VIDAL, Adrian Basarab, Jean-Yves TOURNERET. p. 549-552 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente un nouvel algorithme de recalage d'images par résonance magnétique (IRM) 3D et d'images échographiques (US) 2D. Le recalage prend en compte une transformation rigide globale caractérisée par des paramètres de rotation et de translation qui est associée à une déformation locale basée sur des fonctions B-splines. Un algorithme de fusion 2D-2D US-IRM est ensuite appliqué pour générer l'image finale qui contient les principales caractéristiques des deux images d'origine. La performance de la méthode de recalage est analysée au moyen de tests quantitatifs et qualitatifs effectués sur un ensemble de données réelles, avec une attention particulière au traitement de l'endométriose.

139. Mesure d'incomplétude tomographique pour les géométries de scanner Matthieu LAURENDEAU, Laurent DESBAT, Frédéric JOLIVET, Guillaume BERNARD, Sébastien GORGES, Simon RIT. p. 553-556 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La nouvelle génération de sources de rayons X basée sur les nanotubes de carbones permet la conception de scanners multi-sources. Les scanners de ce type sont souvent limités par le nombre de sources et de projections. En tomographie, la théorie donne des conditions nécessaires pour une reconstruction stable d'un objet en trois dimensions (3D), acquis à partir d'une trajectoire continue des sources et sans troncation. Dans ce papier, nous définissons une métrique d'incomplétude tomographique réaliste considérant un nombre limité de sources et les contraintes physiques des détecteurs. De plus, nous calculons une carte 3D prédisant la qualité de reconstruction produite par une architecture de scanner. Nous illustrons cette métrique avec un fantôme spécifique dont les images reconstruites correspondent aux résultats prédits par les cartes d'incomplétude tomographique réaliste.

140. Implicit differentiation for hyperparameter tuning the weighted Graphical Lasso Can Pouliquen, Paulo Gonçalves, Mathurin Massias, Titouan Vayer. p. 557-560 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous dérivons les résultats mathématiques nécessaires à l'implémentation d'une procédure de calibration d'hyperparamètres pour le Graphical Lasso via un problème d'optimisation biniveau résolu par méthode du premier-ordre. En particulier, nous dérivons la Jacobienne de la solution du Graphical Lasso par rapport à ses hyperparamètres de régularisation.

141. Détection de changements dans des signaux sur graphe à valeur dans des variétés riemanniennes Xiuheng Wang, Ricardo Borsoi, Cédric Richard, André Ferrari. p. 561-564 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Plusieurs méthodes de détection de changements dans des signaux sur graphe ont été proposées dans la littérature. Cependant, si elles exploitent à bon escient la topologie des graphes, elles se limitent au traitement de séries temporelles sur graphe dans des espaces euclidiens. Dans cet article, nous proposons une méthode de détection de changements dans des signaux sur graphe à valeur dans des variétés riemanniennes. Elle combine une statistique de test en chaque nœud qui tient compte de la géométrie des données sur la variété considérée, et un filtre sur graphe distribué qui exploite la topologie de celui-ci. Graph-based methods have been proposed to detect change points occurring in localized communities of networks. However, existing methods are limited to time series data in Euclidean domains. In this paper, we propose a graph-based change point detection method for streaming manifold-valued signals. The proposed framework combines a node-level test statistic, which accounts for the geometry of data on Riemannian manifolds, with a fully distributed graph filter that incorporates the network topology information.

142. Régularisation par modèles pseudo-génératifs pour la restauration d'images Maud Biquard, Marie Chabert, Florence Genin, Christophe Latry, Thomas Oberlin. p. 565-568 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article s'intéresse aux méthodes de restauration d'images formulées comme des problèmes inverses, dans lesquelles le choix de la régularisation a un impact considérable sur les performances. Les méthodes de régularisation basées sur un réseau de neurones génératif, récemment introduites dans la littérature, se montrent très efficaces mais s'avèrent fortement dépendantes de la qualité du réseau utilisé. Cet article propose d'utiliser un autoencodeur variationnel moins contraint, et d'inférer dans un second temps la distribution des données dans l'espace latent. Les simulations sur les bases de données MNIST et CelebA, pour différents problèmes inverses de difficulté variée, permettent de conclure à un gain en terme de qualité d'image.

143. Factorisation butterfly par identification algorithmique de blocs de rang un Léon Zheng, Gilles Puy, Elisa Riccietti, Patrick Pérez, Rémi Gribonval. p. 569-572 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Plusieurs matrices associées à des transformées rapides possèdent une certaine propriété de rang faible qui se caractérise par l'existence de plusieurs partitions par blocs de la matrice, où chaque bloc est de rang faible. À condition de connaître ces partitions, il existe alors des algorithmes, dits de factorisation butterfly, qui approchent la matrice en un produit de facteurs creux, permettant ainsi une évaluation rapide de l'opérateur linéaire associé. Cet article propose une nouvelle méthode pour identifier algorithmiquement les partitions en blocs de rang faible d'une matrice admettant une factorisation butterfly, sans hypothèse analytique sur ses coefficients.

144. Estimation de la direction d'arrivée d'un drone en mouvement par formation de voies adaptée à sa signature Nathan Itare, jean-hugh Thomas, Kosai Raoof. p. 573-576 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La problématique traitée est la surveillance acoustique d'une zone dans laquelle se déplace un drone. L'objectif de la méthode présentée est de renseigner la direction d'arrivée du drone en termes d'azimut et d'élévation à partir des données acquises par une antenne de microphones. Toutes les étapes de la méthode, qui tire parti de la signature acoustique du drone, sont définies et une expérimentation en conditions extérieures est décrite.

145. Conditionnement sémantique latent pour la compression multi-image Tom Bachard, Thomas Maugey. p. 577-580 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Classiquement, les algorithmes de codage compressent de manière indépendante les images d'une même collection, et ce même si des corrélations sémantiques existent entre ces images. Dans ce article, nous explorons une solution pour prendre en compte cette redondance haut niveau et l'exploiter afin de réduire le coût de stockage de cette collection d'images. Dans un premier temps, nous définissons le cadre de la compression multi-image. Ensuite, nous dérivons une fonction de coût pour conditionner l'espace latent d'un auto-encodeur variationnel afin d'aligner les images de même nature sémantique. Enfin, nous démontrons expérimentalement l'intérêt de ce conditionnement en montrant qu'il amène à une représentation plus compacte de la collection d'images.

146. Modèles physiques à deux états pour les signaux bivariés : un système d'oscillateurs harmoniques couplés Julien Flamant, Pierre-Olivier Amblard, Nicolas LE BIHAN. p. 581-584 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce papier considère un système d'oscillateurs harmoniques couplés comme système générateur de signaux bivariés polarisés. On se place dans le cas d'un faible couplage avec des fréquences propres légèrement différentes. Nous étudions ce système d'un point de vue signal et exhibons quelques propriétés intéressantes du système pour l'utiliser en génération de signaux aléatoires polarisés. Enfin, en appliquant des techniques d'approximation d'enveloppes lentement variables, nous rappelons la réduction d'un tel modèle à l'équation de Schrödinger d'un système quantique à deux niveaux, dont l'étude est détaillée dans le papier compagnon

147. Apprentissage de variété riemannienne pour l'analyse–synthèse de signaux non stationnaires Han Han, Vincent Lostanlen, Mathieu Lagrange. p. 585-588 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La transformation de sons par ordinateur pose un problème inverse d'identification des paramètres de resynthèse adéquats. Empruntant au formalisme du traitement du signal différentiable (DDSP), nous proposons d'automatiser sa résolution par entrainement d'un réseau de neurones profond. Dans ce contexte, nous visons un compromis entre l'efficacité computationnelle de la perte paramétrique et la fidélité psychoacoustique de la perte spectrale. Notre approche, baptisée perceptuelle–neuronale–physique (PNP), consiste à estimer la métrique riemannienne associée à la composition entre synthèse paramétrique et diffusion temps–fréquence (JTFS). Ce faisant, nous linéarisons localement la perte spectrale et accélérons la convergence. De plus, le recours à une régularisation de Tikhonov améliore le conditionnement du problème inverse. Par rapport à l'état de l'art (wav2shape et DDSP), et pour une tâche difficile d'analyse–synthèse d'arpège musical, l'entrainement via PNP rapproche le signal reconstruit du signal de référence, d'après une mesure de similarité de timbre fondée sur la JTFS.

148. Modèles physiques à deux états pour les signaux bivariés : modulation de polarisation et phase géométrique Nicolas LE BIHAN, Julien Flamant, Pierre-Olivier Amblard. p. 589-592 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente un modèle de signal bivarié paramétrique basé sur la solution d'une équation de type Schrödinger pour un système couplé à deux niveaux. Nous montrons la pertinence de la formulation quaternionique de la solution, de par sa capacité à rendre compte de l'évolution de son état de polarisation au cours du temps. L'existence d'une fréquence d'oscillation périodique entre deux états de polarisation est mise en évidence pour le signal bivarié considéré, qui est connue en physique sous le nom de fréquence de Rabi. Une phase géométrique de Berry-Pancharatnam est également prédite pour ce modèle de signaux bivariés. La richesse de ce modèle de signal est démontrée sur simulations numériques et la potentielle utilisation de la phase géométrique pour la détection de précession des ondes gravitationnelles est présentée sur des simulations réalistes.

149. Convergence of Graph Neural Networks with generic aggregation functions on random graphs Matthieu Cordonnier, Nicolas Keriven, Nicolas Tremblay, Samuel Vaiter. p. 593-596 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

On s'intéresse au comportement limite des Réseaux de Neurones sur Graphes appliqués aux grands graphes aléatoires. On démontre que sous certaines hypothèses de régularité, un GNN converge vers un homologue «continu». L'originalité de ce travail est de considérer des fonctions d'agrégation abstraites et générales tandis que les études antérieures traitent de cas particuliers. On quantifie les convergences à l'aide de bornes non asymptotiques en probabilité basées sur l'inégalité de McDiarmid pour des agrégations ayant une régularité de type lipschitzienne. Le cas du maximum, non inclus dans cette catégorie, est traité à part.

150. Une approche pour la tomographie SAR des zones forestières par apprentissage profond supervisé Zoé BERENGER, Loïc DENIS, Florence TUPIN, Laurent FERRO-FAMIL. p. 597-600 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'imagerie tomographique par radar à synthèse d'ouverture (SAR) reconstruit les informations tridimensionnelles de réflectivité d'une scène à partir d'un ensemble d'acquisitions cohérentes réalisées dans une configuration interférométrique. Dans les zones forestières, cette réflectivité est modélisée sous la forme d'un profil vertical pour des coordonnées distance azimut arbitraires. Pour reconstruire ce profil, des techniques d'estimation spectrale non paramétrique à faible résolution ou une inversion régularisée mise en œuvre sous la forme d'algorithmes de minimisation itératifs, qui sont très coûteux en temps, sont utilisées. Nous présentons ici une approche d'apprentissage profond supervisée à partir de données simulées proposée dans [3]. Dans cet article nous étudions la variabilité inter-entraînement sur données simulées et réelles du réseau de neurones développé.

151. Borne inférieure de compléxité et algorithme quasi-optimal pour la minimisation de risque empirique bi-niveaux Mathieu DAGREOU, Thomas Moreau, Samuel Vaiter, Pierre Ablin. p. 601-604 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'optimisation à deux niveaux est un thème animant de plus en plus les communautés d'apprentissage statistique et de traitement du signal. Dans de nombreuses applications en apprentissage, les fonctions internes et externes sont des moyennes empiriques. Avec une grande quantité de données, les méthodes stochastiques sont des méthodes de choix pour la minimisation de risque empirique. Nous proposons ici une borne inférieure sur le nombre d'appels aux oracles nécessaire pour résoudre ce problème avec une certaine précision prescrite. Aussi, nous donnons un algorithme dont la complexité atteint cette borne inférieure. En ce sens, cet algorithme est quasi-optimal.

152. Une approche non supervisée pour l'estimation du sommeil calme chez des nouveau-nés prématurés et à terme Houda Jebbari, Sandie Cabon, Patrick Pladys, Guy Carrault, Fabienne Porée. p. 605-608 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Une méthode d'estimation du sommeil calme pour le nouveau-né prématuré et à terme est proposée dans cet article. Elle s'appuie sur la fusion du mouvement, extrait de vidéos, de l'électrocardiogramme et de la respiration. L'originalité de cette approche est d'être auto-apprenante et repose sur l'utilisation d'un algorithme de clustering non supervisé pour l'estimation des périodes de sommeil calme dans les signaux cardio-respiratoires. Les performances sont évaluées sur 25 enregistrements de 8 heures, ce qui conduit à un balanced accuracy moyen de 76%, et de 80% pour les bébés d'âge post-menstruel supérieur à 33 semaines.

153. Evolution de la résolution de problèmes inverses en imagerie Nelly Pustelnik, Caroline CHAUX. p. 609-612 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les problèmes inverses sont au coeur de nombreuses problématiques en traitement du signal et des images. Cet article a pour objectif de retracer les grandes avancées en terme de résolution de problèmes inverses. Nous partons de la formulation bayésienne, puis décrivons de nombreuses pénalisations rencontrées dans la littérature, ainsi que les grandes classes algorithmiques résolvant les problèmes de minimisation associés. Enfin, nous faisons une ouverture aux approches basées apprentissage profond.

154. Evaluation « objective » du photoréalisme d'images issues d'un simulateur de conduite ferroviaire Julien Muzeau, Denis Faure-Vincent, Patricia Ladret, Alice Caplier. p. 613-616 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les contenus numériques à base de modélisation 3D sont omniprésents de nos jours, que ce soit à travers les jeux vidéos, les films d'animation ou les applications industrielles. De plus, les récents développements matériels et logiciels donnent lieu à une approximation toujours plus précise du monde réel. Une problématique soulevée est celle du photoréalisme des images extraites de tels simulateurs 3D, en particulier de ceux de la conduite ferroviaire. Dans cet article, nous présentons une méthode à base de réseau de neurones convolutif capable d'associer un score de photoréalisme à une image donnée en entrée. Une deuxième contribution porte sur la validation perceptive de cette métrique. Pour ce faire, nous avons développé une expérience subjective permettant à des utilisateurs d'évaluer, parmi différentes paires d'images, laquelle est la plus photoréaliste. Nous concluons ainsi à une corrélation d'environ 90% entre le modèle proposé et la perception visuelle humaine.

155. APPROXIMATE BAYESIAN DENOISING FOR DEEP IMAGE RECONSTRUCTION IN THE PRESENCE OF SIGNAL-DEPENDENT NOISE Luis Luis, Laurent Mahieu-Williame, Elie Elie, Nicolas Ducros. p. 617-620 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Recently, a variety of unrolled networks have been proposed for image reconstruction. These can be interpreted as parameter-optimized algorithms that incorporate steps that are traditionally encountered during the optimization of handcrafted objectives. Here, we address the problem of training such networks in the presence of signal-dependent noise, which is more realistic that the common additive Gaussian noise. We focus on algorithms that requires the inversion of large signal-dependent matrices during training, which increases considerably the training time compared signal-independent inversions that can be precomputed before training. In particular, we describe how to approximate the denoising step of the deep expectation-maximization network to reduce the computational cost and memory requirements while limiting the reconstruction error. We present reconstruction results from simulated and experimental data at different noise levels. Our network yields higher reconstruction peak signal-to-noise ratios than other similar approaches and greater robustness in the practical case where the noise level is unknown or is badly estimated.

156. Formulation d'indicateurs optimaux pour la détection de défauts Jérôme ANTONI, Kayacan KESTEL, Cédric PEETERS, Jan HELSEN. p. 621-624 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente une méthodologie de construction d'indicateurs optimaux pour la détection précoce de défauts dans le contexte de la surveillance vibratoire.

157. Estimation des ondes de vibrations des flûtes sismiques multi-capteurs basée sur un modèle physique atténuatif et dispersif Viktor Smirnov, Anthony Sourice, Philippe Herrmann, JEROME MARS. p. 625-628 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les accéléromètres des flûtes sismiques multi-capteurs sont soumis à de forts bruits de vibrations qui limitent leur utilisation. En effet, le débruitage de ces ondes est particulièrement difficile car elles sont très énergétiques et fortement repliées spectralement. Dans cet article, nous proposons une méthode ad hoc pour atténuer ces vibrations. Elle repose sur l'établissement d'un nouveau modèle de propagation dispersif et atténuatif. Nous montrons sur des données réelles que la méthode permet de réduire fortement le bruit dû aux vibrations sur l'ensemble de la bande de fréquences et sans dégrader le signal sismique utile.

158. A post processing method to solve the problem of Disjoint Component Analysis in the case of Secondary Surveillance Radar replies separation Sara Zaghloul, nicolas petrochilos. p. 629-632 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

We propose a post-processing method to solve the disjoint component analysis (DCA) separation problem for complex SSR (Secondary Surveillance Radar) signals. DCA is a blind source separation criterion (BSS) that calculates the disjunction between sources, the minimization of this criterion allows the recovery of the original signals. Adapting the criterion for complex data has shown good performance in the case of mixing of the two modes of SSR signals, but the algorithm is computationally expensive. Therefore, we propose to use the original real-valued algorithm which sometimes has one of the following problems: the repetition of one of the estimated sources, or the addition of a linear relationship between the estimated sources and therefore the loss of a source at the end of the separation, or even two non-separated sources. We therefore add a final step based on linear algebra considerations to recover the lost signals. This method is compared to other algorithms in the literature.

159. Détection de fissure sur matériaux métalliques par apprentissage profond et thermographie laser flying-spot : approche par apprentissage progressif Kevin Helvig, Pauline Trouvé-Peloux, Baptiste Abeloos, Ludovic Gavérina, Jean-Michel Roche. p. 633-636 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

En contrôle non destructif pour les matériaux métalliques, la thermographie "Flying-spot" permet la détection de fissures grâce au balayage d'échantillons par une source de chaleur active locale observée en spectre infrarouge. Le traitement de ces données est délicat car il faut distinguer une fissure des autres structures à la surface du matériau. Pour cela nous proposons d'utiliser le deep learning, capable d'exploiter les informations contextuelles, mais qui nécessite cependant une quantité importante de données annotées. Nous présentons ici une méthode d'entraînement basée sur le curriculum learning et les récents modèles de diffusion par débruitage pour générer des images synthétiques, augmentant la quantité de données. Nous évaluons les scores de performance de détection pour diverses architectures d'apprentissage machine et d'apprentissage profond, mettant en évidence les bénéfices de notre approche.

160. Identification de microbulles par la théorie de la décision pour l'imagerie par localisation ultrasonore Alexandre Corazza, Pauline Muleki-Seya, Adrian Basarab, Barbara Nicolas. p. 637-640 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'imagerie par localisation ultrasonore (ILU) permet de caractériser la microstructure vasculaire en détectant, localisant et suivant le déplacement de microbulles (MBs) qui circulent dans le réseau vasculaire. Afin de construire une cartographie de la microstructure vasculaire aussi complète que possible, des images ultrasonores doivent être acquises pendant plusieurs minutes. Afin de limiter le temps d'acquisition, il est alors important de maximiser le nombre de MBs détectées et suivies. Les méthodes de détection standards de ces MBs se basent sur un seuil d'intensité ou sur la forme de la fonction d'étalement du point (PSF). En pratique les intensités des MBs peuvent être inférieures à celle du bruit et leurs PSFs varient en fonction de l'espace et du temps, ce qui limite les performances de l'étape de détection en terme de nombre de MBs détectées, en particulier dans le cas d'un ratio signal à bruit (RSB) faible. Afin de pallier ce problème, une méthode de détection basée sur la théorie de la décision avec l'approche de Neyman-Pearson est proposée dans cet article. Ce détecteur est comparé à ceux de la littérature dans le contexte de l'ILU sur des données in vivo. Les résultats montrent que la méthode proposée permet de détecter plus de MBs de faible intensité et donc d'améliorer la reconstruction de vaisseaux.

161. AsteRISC : Un coeur RISC-V flexible Jonathan Saussereau, Christophe JEGO, Camille Leroux, Jean-Baptiste Begueret. p. 641-644 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le jeu d'instructions open source RISC-V est prometteur pour les applications liées aux systèmes embarqués à faible consommation. Cet article présente une architecture de processeur RISC-V configurable offrant un compromis entre le nombre de cycles d'horloge requis pour exécuter une instruction, la fréquence maximale de fonctionnement et l'utilisation des ressources. Cette flexibilité architecturale permet d'adapter le processeur aux contraintes applicatives, sur cibles FPGA ou ASIC.

162. Photodétecteur paramétrable avancé Flavie Durand de Gevigney, Éric Bazin, Jean-François Nezan, Julien Heulot, Mickaël Dardaillon, Slaheddine Aridhi. p. 645-648 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La photopléthysmographie (PPG) est une technique de choix pour la surveillance non invasive des signes vitaux tels que la fréquence cardiaque, la fréquence respiratoire ou encore l'oxygénation du sang lors de la pratique sportive. Ce papier présente une plateforme d'acquisition des paramètres vitaux à l'aide des techniques de PPG. Cette plateforme d'acquisition permet un accès aux données brutes, augmente le nombre de longueur d'onde acquises, améliore la précision d'acquisition et offre un paramétrage des paramètres d'acquisition. Elle offre donc des caractéristiques nécessaires au développement de nouveaux algorithmes et applications dans les domaines du sport et de la santé non invasifs basés sur le PPG.

163. Détection Multi-Utilisateurs par Propagation d'Esperance à faible complexité pour les schémas MIMO avec erreur d'estimation du canal Adam Mekhiche, Antonio Maria Cipriano, Charly POULLIAT. p. 649-652 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente un algorithme de propagation d'espérance (EP) scalaire combinant décomposition QR avec annulation d'interférence ainsi qu'une heuristique de pénalisation des messages EP en présence d'imperfection dans l'estimation de canal.

164. Défense contre les attaques par porte dérobée en apprentissage fédéré par estimation du motif d'attaque et élagage Fabiola Espinoza Castellon, Deepika Singh, Aurélien Mayoue, Cedric GOUY-PAILLER. p. 653-656 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans un cadre fédéré, nous proposons une défense contre les attaques par porte dérobée déclenchées par l'ajout d'un motif au sein des données d'entraînement. Notre défense s'appuie sur les paramètres du modèle fédéré pour estimer le motif déclencheur et ensuite élaguer les neurones responsables de l'attaque au sein du réseau. Contrairement aux approches existantes, notre approche ne nécessite pas d'informations supplémentaires de la part des participants au processus d'apprentissage collaboratif et surtout s'avère robuste face à l'hétérogénéité des données et ce quel que soit le nombre d'acteurs malveillants. En comparaison avec les méthodes de l'état-de-l'art, notre défense apparaît plus adaptée pour atténuer les attaques par porte dérobée tout en préservant une grande précision sur des données bénignes.

165. Hotelling Deflation on Large Symmetric Spiked Tensors Mohamed El Amine Seddik, José Henrique de Morais Goulart, Maxime Guillaud. p. 657-660 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article étudie l'algorithme de déflation appliqué à l'estimation d'un modèle de rang faible symétrique contenu dans un tenseur de grandes dimensions corrompu par un bruit additif gaussien. Plus précisément, nous fournissons une caractérisation précise de la performance en grandes dimensions de la déflation en termes des alignements des vecteurs obtenus par approximations successives de rang 1 et de leurs poids, en supposant des corrélations (fixes) non-triviales entre les composantes du modèle. Notre analyse permet de comprendre le mécanisme de déflation en présence de bruit et peut être exploitée pour concevoir des méthodes d'estimation plus efficaces.

166. Décomposition tensorielle de rang faible pour l'imagerie de Stokes polarimétrique Saulo Cardoso Barreto, Julien Flamant, Sebastian Miron, David Brie. p. 661-664 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous présentons une nouvelle approche pour l'analyse et la segmentation d'images polarimétriques de Stokes. Notre approche repose sur un modèle tensoriel de rang faible, qui intègre des contraintes physiques liées à l'acquisition des données. Nous proposons également un algorithme rapide fondé sur une procédure de gradient proximal permettant une estimation efficace des paramètres du modèle. Les résultats numériques démontrent le fort potentiel de cette approche pour les applications en imagerie polarimétrique passive et active.

167. Illumination colorée et information mutuelle pour le modèle Retinex en restauration d'images à faible luminosité Arthur Lecert, Aline ROUMY, Renaud FRAISSE, Christine GUILLEMOT. p. 665-668 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans ce travail, nous étudions la restauration d'images à faible luminosité avec des scènes extérieures sans vérité terrain. Jusqu'à présent, les approches de la littérature évitaient d'utiliser le modèle de décomposition Horn-Retinex de manière non supervisée ou ajoutaient des a priori contraignants sur les composantes cherchées afin de faciliter la résolution de ce problème inverse. Nous proposons ici de relaxer la contrainte d'une illumination en niveaux de gris en définissant un modèle basée sur la physique de la lumière. De plus, nous formulons une architecture adaptée à ce nouveau problème et montrons que nous obtenons une décomposition de qualité qui produit de meilleurs résultats visuellement que les méthodes de l'état de l'art c'est-à-dire sans artéfact, sans amplification du bruit de l'image et sans hallucination avec une restauration simple pour chacune des composantes.

168. Understanding Few-Shot Neural Architecture Search with Zero-Cost Proxies Timotée Ly-Manson, Mathieu Léonardon, Abdeldjalil Aissa El Bey. p. 669-672 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous développons le sujet de la recherche d'architectures neurales (NAS) avec poids partagés. Suivant les travaux sur « few-shot NAS » dans lesquels des supernets contenant toutes les architectures de l'espace de recherche sont partitionés de manière itérative, nous introduisons un environnement pour la division efficace des supernets en utilisant des métriques « sans coût ». Nous étudions le comportement de diverses métriques dans cet environnement pour mieux comprendre les principes généraux de la division des supernets.

169. Apprentissage contrastif pour l'adaptation de domaine en régression Mohamad DHAINI, Maxime BERAR, Paul Honeine, Antonin Van Exem. p. 673-676 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'adaptation de domaine non supervisée relève le défi d'utiliser des modèles d'apprentissage statistique sur des données de distribution différente de celle des données d'entraînement. Cela impose d'apprendre des représentations efficaces qui peuvent être généralisées à travers les domaines. Dans cet article, nous étudions l'utilisation de l'apprentissage contrastif pour améliorer les approches d'adaptation de domaine. À cette fin, l'apprentissage contrastif est appliqué à l'espace latent d'un réseau de neurones, où l'objectif est d'apprendre une représentation qui maximise la similitude entre des exemples similaires et minimise la similitude entre des exemples dissemblables. En outre, pour minimiser l'écart entre les domaines source et cible, le procédé utilise l'apprentissage par dictionnaire, où les dictionnaires sont extraits à la fois des données source et cible et la trajectoire entre les deux dictionnaires est minimisée. La méthode proposée est évaluée sur le jeu de données dSprites, montrant de meilleures performances que les méthodes de l'état de l'art.

170. Détection d'objets en mouvement dans un milieu urbain par fusion de données RGB et événementielles Zhuyun ZHOU, Zongwei WU, Rémi Boutteau, Fan YANG, Cédric Demonceaux, Dominique Ginhac. p. 677-680 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La détection d'objets en mouvement (DOM) est une tâche essentielle pour parvenir à une conduite autonome sûre. En vision par ordinateur, les méthodes d'apprentissage profond donnent des résultats intéressants mais elles sont généralement basées sur des images classiques et souffrent par conséquent des limites de ce type de capteur dans des scènes hautement dynamiques. Les avancées technologiques récentes dans le développement de capteurs bio-inspirés, en particulier les caméras événementielles, peuvent naturellement compléter les données issues des caméras conventionnelles afin de mieux modéliser les objets en mouvement. Nous proposons dans cet article, un nouveau réseau de fusion de données multimodales RVB/événements, appelé RENet (RGB-Event fusion Network), qui exploite conjointement ces deux modalités complémentaires pour obtenir une DOM plus robuste dans des scénarios difficiles de conduite autonome.

171. Post-traitement OSD pour le décodage BP basé sur des ensembles de LLRs complémentaires Joachim Rosseel, Valentin SAVIN, Inbar FIJALKOW, Valérian Mannoni. p. 681-684 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article traite du post-traitement par OSD (Ordered Statistics Decoding) appliqué aux sorties souples de l'algorithme BP (Belief Propagation). Notre approche consiste dans un premier temps à modéliser la somme pondérée des LLRs (Log Likelihood Ratios) a posteriori calculés au cours des itérations du BP en un seul neurone. Ce neurone est alors entraîné avec la fonction de coût focale afin d'obtenir pour chaque échec du BP un ensemble de LLRs accumulés qui soient adaptés au post-traitement par OSD. Nous proposons ensuite une procédure de sélection récursive d'ensembles de LLRs pour un post-traitement OSD multiple. Cette sélection est réalisée à partir des ensembles des LLRs a posteriori calculés à chaque itération du BP ainsi que des LLRs accumulés et optimisés pour l'OSD, selon leurs probabilités conjointes d'échec avec le post-traitement OSD. Un OSD est alors appliqué sur chaque ensemble de LLRs de la sélection. Nos résultats montrent que cette nouvelle méthode de décodage fournit un moyen efficace d'atteindre la performance du décodeur par maximum de vraisemblance pour des codes LDPC (Low Density Parity Check) courts.

172. Décomposition en matériaux de base par apprentissage profond pour la tomographie spectrale Kannara MOM, Jérôme LESAINT, Nicolas Ducros, Bruno Sixou, Max Langer. p. 685-688 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans ce travail, nous nous intéressons au problème de décomposition en matériaux de base dans l'espace des projections en tomographie spectrale. Nous proposons une nouvelle méthode d'apprentissage profond pour résoudre ce problème inverse non linéaire. La méthode proposée s'appuie sur le déroulement d'une descente de gradient. Nous montrons que l'approche développée permet d'obtenir de meilleurs résultats de décomposition que la version itérative basée sur une approche variationnelle et qu'un réseau de neurones U-Net qui n'utilise pas la physique du problème direct. Le temps de calcul nécessaire est aussi réduit.

173. Formes d'ondes bio-inspirées : de la chauve-souris au radar Anthony Torre, Abigael Taylor, Dominique Poullin, Thierry CHONAVEL. p. 689-692 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

% Résumé en français Comme toute technologie le radar évolue et fait face à de nombreuses problématiques (management de spectre, traitement du clutter, amélioration de la résolution, ...). Cela conduit à la création et l'optimisation de nouvelles formes d'ondes conjointement à leur traitement. Pour y parvenir, nous avons orienté notre étude sur des signaux bio-inspirés de ceux des chauves-souris et observé les avantages potentiels à utiliser de telles formes d'ondes. Cet article présente une comparaison entre des formes d'ondes dites classiques en radar et une autre bio-inspirée en analysant notamment leurs réponses à un traitement usuel. La modélisation de cette forme d'onde bio-inspirée permet de comparer plusieurs stratégies de modulation fréquentielle au sein d'une impulsion. Les bornes de Cramér-Rao sont calculées afin de quantifier les capacités d'estimation en retard et Doppler de chaque forme d'onde. % Résumé en anglais Radar technology is continuously evolving and the ever-growing needs (spectrum management, clutter processing, better resolution, …) induce the creation and optimization of new waveforms jointly with the appropriate signal processing. In order to do so, we propose to study waveforms bio-inspired from bats signals and observe the potentials assets of such innate waveforms. This article compares classic radar waveforms with a bio-inspired one and their responses to traditional radar processing. The modelling of this bio-inspired waveform enable the comparison between several frequency modulations strategies within one pulse. The Cramér-Rao lower bounds are calculated to quantify the efficiency of each waveform in estimating delay and Doppler.

174. Quantification optimisée de l'espace latent en codage audio neuronal Thomas Muller, Stéphane Ragot, Quentin Lemesle, Pierrick Philippe, Pascal Scalart. p. 693-696 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Résumé – Cet article se concentre sur le codage audio par réseaux de neurones artificiels. Nous proposons d'appliquer une analyse et une transformation de l'espace latent par décomposition en valeurs propres, afin de modifier voire remplacer la quantification vectorielle résiduelle (RVQ) actuellement utilisée par des codecs récents tels que SoundStream ou EnCodec. L'approche proposée permet en particulier une réduction du stockage et de la complexité d'environ 37% pour EnCodec sans dégrader la qualité audio. Abstract – This article focuses on audio coding based on artificial neural networks. We propose to analyze and transform the latent space based on an eigenvalue decomposition, in order to modify or even replace the residual vector quantization (RVQ) used in recent codecs such as SoundStream and EnCodec. In particular, the proposed approach brings about 37% of reduction in storage and computational complexity for EnCodec, with no quality degradation.

175. Problèmes inverses et test bayésien d'adéquation du modèle Pierre Palud, Pierre-Antoine Thouvenin, Pierre Chainais, Emeric Bron, Franck Le Petit. p. 697-700 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La résolution d'un problème inverse est basée sur le choix d'un modèle, dont la qualité affecte fortement la pertinence des estimateurs. Ce travail présente une méthode d'identification des cas où le modèle utilisé ne permet pas de reproduire les observations de façon vraisemblable, ce qui traduit un choix de modèle peu pertinent. Cette méthode, simple à implémenter et à interpréter, est basée sur un calcul de valeur-p bayésienne. Nous proposons d'utiliser la vraisemblance comme statistique de test, ce qui ne nécessite aucune hypothèse sur la distribution du bruit ou sur la régularité du modèle direct. L'absence de calcul exact de la valeur-p correspondante est compensée par une modélisation des incertitudes inhérentes à son évaluation numérique.

176. Réduction d'un modèle astrophysique par réseaux de neurones Lucas Einig, Pierre Palud, Jocelyn Chanussot, Jérôme Pety, Emeric Bron, Pierre Chainais, Franck Le Petit, Pierre-Antoine Thouvenin, Maryvonne Gerin, Antoine Roueff. p. 701-704 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Résumé – Les modèles numériques nécessitant des ressources importantes en temps, mémoire et puissance de calcul sont présents dans de nombreuses disciplines scientifiques. Nous considérons une simulation astrophysique qui calcule de nombreuses sorties à partir de peu de paramètres d'entrée, et qui peut ponctuellement produire des anomalies. Nous proposons une méthode de réduction de modèle par régression basée sur des réseaux de neurones et une méthode d'apprentissage robuste aux anomalies. Nous informons le choix d'une architecture avec une analyse statistique des prédictions du code. Nous démontrons l'intérêt de l'approche proposée en la comparant avec les méthodes de réduction de modèle couramment utilisées en radioastronomie. Abstract – Numerical models requiring significant resources in time, memory and computing power are present in many scientific disciplines. We consider an astrophysical simulation that computes many outputs from few input parameters, and that may occasionally produce anomalies. We propose a neural network based regression model reduction method and an anomaly robust learning method. We inform the choice of an architecture with a statistical analysis of the code predictions. We demonstrate the interest of the proposed approach by comparing it with model reduction methods commonly used in radio astronomy.

177. Analyse des artères rétiniennes en optique adaptative Florence ROSSANT, Isabelle BLOCH, Abir AISSA, Michel PAQUES. p. 705-708 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous présentons une synthèse de nos travaux sur la segmentation et l'analyse d'images de bifurcations artérielles rétiniennes acquises en optique adaptative (OA), en insistant sur nos nouveaux modèles de contours actifs, qui sont au cœur de nos méthodes. De plus, nous avons évalué la précision des segmentations (mse~1,75 +/-1,24)\ et étudié expérimentalement et théoriquement l'incertitude sur les mesures de biomarqueurs déduits des segmentations. Cela permet de bien définir le cadre d'utilisation de notre logiciel (AOV) pour des études cliniques.

178. Etude expérimentale de SegFormer, un concurrent sérieux à U-Net pour la segmentation d'images médicales Théo Sourget, Hasany Syed Nouman, Fabrice Mériaudeau, Caroline Petitjean. p. 709-712 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le modèle U-Net, introduit en 2015, s'est imposé comme l'état de l'art pour la segmentation des images médicales, avec ses variantes UNet++, nnU-Net, V-Net, etc. En 2021, les "vision transformers" se sont imposés en vision par ordinateur. Depuis lors, de nombreuses architectures basées sur des transformers ou des architectures hybrides (combinant des blocs convolutifs et des blocs de transformer) ont été proposées pour la segmentation d'images, remettant en cause la suprématie de U-Net. Les transformers pourraient-ils arriver à détrôner U-Net pour la segmentation d'images médicales ? Dans cet article, nous prenons l'une des architectures de transformers les plus populaires pour effectuer la segmentation, SegFormer, et nous la comparons à U-Net dans trois jeux de données d'images médicales publiques, englobant diverses modalités et organes : la segmentation de structures cardiaques dans des images ultrasons issues du challenge CAMUS, la segmentation de polype dans des images d'endoscopie et la segmentation d'instruments dans des images de coloscopie issues du challenge MedAI. Nous les comparons à la lumière de plusieurs critères (performances de segmentation, temps d'apprentissage), et nous montrons que SegFormer peut être un concurrent sérieux d'U-Net dans le domaine de la segmentation des images médicales.

179. Identification de Développements d'Images par Matrices de Corrélations Antoine Mallet, Rémi Cogranne, Patrick Bas, Quentin Giboulot. p. 713-716 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

De récents travaux d'analyse de la source d'une image naturelle, liés à des problématiques en forensique comme la stéganalyse ou la détection de deep fake, indiquent que la chaîne d'acquisition et de traitement impacte la nature du bruit présent dans les images résultantes. Parmi les nombreux paramètres entrant en compte dans la définition d'une source d'images, la chaîne de traitement a été identifiée comme celui ayant le plus d'impact sur la nature du bruit généré. Nous présentons dans ce travail exploratoire la preuve que l'identification du développement d'une image basée sur la corrélation de ce bruit est possible. Notre approche, non supervisée et gloutonne, présente des résultats prometteurs. Pour ce faire, nous étudions plusieurs méthodes d'estimation du bruit, ainsi que différentes mesures de similarités entre les corrélations.

180. Réduction du biais dans la classification de données sismique : méthodes de gestion des jeux de données asymétriques Chantal van Dinther, Marielle Malfante, Pierre Gaillard, Yoann Cano. p. 717-720 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans ce travail, nous mettons en place et comparons différentes stratégies pour traiter les jeux de données déséquilibrés pour la classification de signaux sismiques. Notre jeu de données contient 80k échantillons répartis en six classes, la classe majoritaire ayant dix fois plus d'échantillons que les classes minoritaires. Les quatre stratégies que nous explorons sont le rééchantillonnage de l'ensemble d'apprentissage, la pondération des classes dans la fonction de perte par l'inverse de la fréquence des échantillons, la pondération des classes par le nombre effectif d'échantillons et l'utilisation de la perte focale. En utilisant des réseaux de neurones convolutionnels (CNN) simples, la balanced accuracy (BA) est de 0.17, avec un biais vers la classe majoritaire. Toutes les stratégies visant à traiter les jeux de données déséquilibrés améliorent de manière significative les performances du modèle. Pour notre étude, la meilleure performance n'est pas obtenue en utilisant les techniques de pondération par classe les plus avancées, mais en pondérant simplement la fonction de perte par l'inverse de la fréquence des classes, avec une BA de 0.64. Les questions sur l'optimisation des paramètres du modèles et des paramètres d'apprentissage sont également abordées.

181. Compression quasi sans perte d'images satellites par filtrage de résidus Pascal BACCHUS, Aline ROUMY, Renaud FRAISSE, Christine GUILLEMOT. p. 721-724 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous décrivons un réseau de neurones entraînable de bout en bout pour la compression d'images satellites. Nous introduisons d'abord une fonction de coût combinant une perte perceptuelle et l'erreur quadratique moyenne classique qui améliore de manière significative les performances de la solution de compression proposée. Nous présentons ensuite une stratégie d'équilibrage multi-objectifs pour optimiser l'apprentissage. Enfin nous ajoutons une compression du résidu de l'image avec un réseau spécialisé pour préserver au mieux les détails à haute fréquence présents dans les images satellites.

182. Improving MIMO channel estimation via receive power feedback chao zhang, Hang Zou, Samson LASAULCE, Lucas SALUDJIAN. p. 725-728 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Estimer l'état du canal est un problème important dans les réseaux sans fil. À cette fin, il importe d'exploiter toutes les informations disponibles pour améliorer autant que possible la précision de l'estimation de canal. Il s'avère que le problème de l'exploitation de l'information associée au feedback de puissance reçu (par exemple, l'indicateur de force du signal reçu -RSSI-) n'a pas été identifié et résolu ; dans cette configuration, on suppose que l'émetteur reçoit des commentaires de tous les récepteurs présents. Pour résoudre ce problème, des outils d'estimation classiques peuvent être utilisés. L'utilisation du MMSE correspondant est toujours bénéfique, tandis que la pertinence de l'utilisation de l'estimateur MAP dépendrait du rapport signal sur bruit (SNR) de fonctionnement.

183. Classifieur minimax discret randomisé pour la détection de classes rares et la présence de probabilités a-priori imprécises Cyprien Gilet, MARIE GUYOMARD, Sébastien Destercke, Lionel Fillatre. p. 729-732 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article propose un nouveau classifieur quasi-Bayésien égalisateur randomisé pour détecter des classes rares et qui est robuste face aux changements de probabilités a priori. Ce classifieur peut être appliqué sur tout type de données discrètes ou discrétisées. En relaxant l'optimalité au sens de Bayes et en autorisant des décisions randomisées, nous proposons un algorithme qui permet de calculer un classifieur qui égalise tous les risques conditionnels par classe. Le classifieur obtenu est ainsi minimax car les maximums des risques conditionnels par classe sont minimisés.

184. Recalage des volumes OCT 3D orthogonaux pour le rehaussement des pores de la lame criblée Florence ROSSANT, Nan DING, Hélène URIEN, Jérémie SUBLIME, Michel PAQUES, Christophe BAUDOUIN, Paul BASTELICA. p. 733-736 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La lame criblée (LC) est un maillage collagénique 3D dans la tête du nerf optique, composé de "pores" à travers lesquels les fibres nerveuses passent pour atteindre le cerveau. La modélisation des voies axonales et de leur déformation au cours du glaucome à partir d'images OCT (Tomographie en Cohérence Optique) 3D permettrait de mieux comprendre cette pathologie cécitante. Cependant, la qualité des volumes OCT n'est pas suffisante pour obtenir des segmentations fiables. Nous proposons donc de recaler géométriquement des volumes orthogonaux, c'est-à-dire acquis dans deux directions de balayage orthogonales, puis de les fusionner, afin d'obtenir une image 3D de meilleure résolution et moins bruitée. Les résultats expérimentaux démontrent la pertinence de notre approche, avec une distance entre pores annotés recalés de l'ordre de 3 pixels, inférieure à la taille typique des pores.

185. Sélection d'hyperparamètres non supervisée par différentiation automatique, application à la segmentation de textures Leo Davy, Nelly Pustelnik, Patrice Abry. p. 737-740 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La segmentation de textures par approche variationnelle est confrontée à la difficulté récurrente de la sélection de l'hyperparamètre réglant l'importance relative entre le terme d'attache des données et celui de pénalisation. Dans cette contribution, nous nous concentrons sur une approche variationnelle permettant de combiner estimation de descripteurs locaux des propriétés statistiques (ici, invariance d'échelle et anisotropie) et segmentation, via une pénalisation favorisant les solutions constantes par morceaux. La sélection automatique, pilotée par les données, mais non supervisée, est ici abordée via le formalisme de SURE combiné au potentiel du déroulement d'un algorithme itératif d'optimisation et bénéficiant des procédures de différentiation automatique sous-jacentes.

186. Exploitation du screening pour une reconstruction accélérée en imagerie ultrasonore pour le CND Ralph Abi-Rizk, Sébastien BOURGUIGNON, Nans LAROCHE, Clément HUNEAU, Ewen CARCREFF, Jerome IDIER. p. 741-744 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans le contexte du Contrôle Non Destructif (CND), nous proposons d'utiliser une méthode de screening dynamique dans un algorithme d'optimisation en norme ℓ1 pour accélérer la déconvolution des images ultrasonores formées par faisceaux. Les images étant parcimonieuses, cette technique permet d'éliminer, au cours de l'optimisation, une partie des variables d'optimisation (i.e. des pixels) qui seront de valeur nulle dans la solution finale. Nous testons la méthode proposée pour l'inspection d'un échantillon d'acier qui contient des trous étroitement espacés et de petite taille. Les résultats montrent que le screening élimine jusqu'à 97% des pixels et que l'algorithme de reconstruction gagne jusqu'à un facteur 4 en temps de calcul, sans altérer la reconstruction.

187. EME-GAN: A Conditional Generative Adversarial Network based Indoor EMF Exposure Map Reconstruction Mohammed Mallik, Benjamin Allaert, Angesom Ataklity Tesfay, Davy P. Gaillot, Joe Wiart, Laurent Clavier. p. 745-748 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les nouvelles technologies de communication sans fil se développent de façon exponentielle. Parallèlement des craintes sont apparues concernant de possibles effets délétères des ondes électromagnétiques de type radiofréquence sur la santé. Cet article propose une méthode basée sur un réseau génératif conditionnel pour la cartographie de l'exposition aux champs électromagnétiques en environnement intérieur, appelée EME-GAN. \mm{En s'appuyant sur la cartographie du bâtiment et de quelques points de mesure d'exposition, le modèle proposé est capable d'inférer une carte réaliste des caractéristiques de la propagation des signaux sans fil.} Les résultats démontrent que le modèle estime fidèlement les phénomènes de propagation.

188. Méthodes parcimonieuses de déconvolution et démélange pour les images multispectrales "snapshot" Kinan ABBAS, Matthieu PUIGT, Gilles DELMAIRE, Gilles ROUSSEL. p. 749-752 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous proposons une nouvelle méthode de démélange pour les systèmes d'imagerie spectrale "snapshot" (SSI) utilisant des filtres de Fabry-Perot. Ces caméras ne fournissent qu'une partie du contenu spectral observé et la stratégie classique consiste à réaliser le démélange après la restauration de l'image (ou dématriçage). Dans cet article, nous proposons deux approches fondées sur la déconvolution des filtres de Fabry-Perot. Revisitant des concepts introduits pour les approches d'analyse en composantes parcimonieuses, ces méthodes étendent le cadre de "pixel pur" au niveau du patch de capteur SSI, que nous nommons hypothèse de "patch pur". Nos expériences montrent qu'elles surpassent de manière significative les méthodes de la littérature, y compris une méthode de démélange et de dématriçage conjoints fondée sur la complétion de matrice de faible rang que nous avons récemment proposée.

189. Nouveau modèle hiérarchique ascendant pour la sélection des bandes spectrales discriminant les maladies de la vigne Shurong Zhang, Eric Perrin, Alban Goupil, Valeriu Vrabie, Marie-Laure Panon. p. 753-756 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons un nouveau modèle hiérarchique ascendant pour la sélection des bandes spectrales adaptées à la discrimination de plusieurs classes à partir de spectres acquis par spectroscopie infrarouge. Nous utilisons différentes mesures de similarité pour comparer des bandes adjacentes et nous utilisons deux types de critères, sélection et agrégation, pour obtenir des bandes discriminantes. Ce modèle est appliqué sur des spectres acquis sur des feuilles de vigne au cours des trois années de 2020 à 2022. Les résultats montrent qu'un nombre limité de bandes étroites suffit pour identifier les classes d'intérêt par une analyse discriminante linéaire. Notre modèle est plus simple à mettre en œuvre que les modèles de regroupement hiérarchique ascendants existants. Il ouvre la voie à l'identification de bandes spectrales discriminantes de maladies et à la spécification de caméras multispectrales adaptées.

190. Modélisation de Textures : Champs Gaussiens Autosimilaires et Signal Monogène Hermine Biermé, Philippe Carré, Céline Lacaux, Claire Launay. p. 757-760 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

On s'intéresse à la représentation de champs gaussiens autosimilaires anisotropes par ondelettes monogènes. Le signal monogène utilise la transformée de Riesz et permet d'extraire des informations locales d'orientation et de structure d'une image. L'analyse multi-échelle développée ici permet d'obtenir des estimateurs non biaisés et fortement consistants des paramètres d'anisotropie et d'autosimilarité de textures gaussiennes particulières.

191. Décomposition tensorielle PARAFAC2 contrainte pour l'estimation du niveau de force à partir de signaux EMG de surface Abilé Magbonde, Bertrand RIVET, Franck Quaine. p. 761-764 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article propose une méthode de décomposition tensorielle non-négative basée sur PARAFAC2 pour réduire la diaphonie au cours d'une extension simultanée des doigts de l'index et du petit doigt à partir des signaux sEMG de surface. La méthode proposée intègre des contraintes physiologiques relatives aux signaux sEMG et permet de traiter les capteurs dysfonctionnels par intermittence pouvant différer à chaque essai. Les simulations numériques obtenues à partir des signaux sEMG réels montrent que cette méthode donne des performances similaires à la méthode PARAFAC2 non-négative mais, le plus souvent, avec une seule composante estimée par muscle ce qui la rend plus facile à interpréter. La prise en compte des capteurs dysfonctionnels par intermittence est d'un grand intérêt dans la pratique.

192. Normalizing Flows pour éviter le problème de pré-image Clément Glédel, Benoît Gaüzère, Paul Honeine. p. 765-768 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les méthodes d'apprentissage statistique génèrent souvent un espace de représentation dans lequel la tâche de classification ou de régression peut être effectuée efficacement. Alors qu'une telle transformation des données est en général non-inversible, il peut être intéressant de faire le chemin inverse afin d'interpréter les résultats dans l'espace des observations. Ce problème, dit de pré-image, est un problème difficile, mal posé, notamment quand les transformations sont implicites (méthodes à noyaux) ou non linéaires multiples (réseaux de neurones profonds). Dans cet article, nous proposons une méthode de classification ne souffrant pas de ce problème permettant ainsi une meilleure interprétabilité des représentations. La méthode proposée repose sur une nouvelle famille de méthodes génératives que sont les Normalizing Flows. Les expérimentations montrent de bons résultats de classification et d'interprétabilité.

193. Codage espace-échelle parcimonieux en présence de bruit non-gaussien. Application à l'analyse de la réplication de l'ADN en molécule unique. Clara Lage, Nelly Pustelnik, Jean-Michel Arbona, Benjamin Audit. p. 769-772 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La réplication de l'ADN est un processus hautement régulé dont la dynamique peut être analysée par des expériences en molécule unique. La vitesse de réplication i.e. le taux de synthèse local, un paramètre clé de cette dynamique, est alors estimée par la détection de motifs le long de profil d'incorporation de nucléotides marqués. Dans ce travail, nous explorons des méthodes issues du codage parcimonieux pour cette estimation : le LASSO, une des formulations les plus utilisées, et deux méthodes visant à augmenter la précision de cette estimation dans le cadre d'un bruit non gaussien. En particulier, nous proposons une méthode hybride discrète-continue dont les performances surpassent une approche discrète basée sur la divergence de Kullback-Leibler pourtant spécifiquement adaptée à ce type de bruit.

194. Réseau antagoniste génératif pour la fusion spatio-temporelle d'images satellitaires multi-spectrales Amine HADIR, Ahed ALBOODY, Matthieu PUIGT, Gilles ROUSSEL, Vincent VANTREPOTTE, Cédric JAMET, Trung-Kien TRAN. p. 773-776 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous étudions la fusion spatio-temporelle d'une série temporelle d'images multi-spectrales avec une série temporelle d'images hyper-spectrales. Nous proposons pour cela une nouvelle approche fondée sur un réseau antagoniste génératif (GAN). Notre contribution principale réside dans le fait que le GAN prend en entrée des images satellitaires plutôt que du bruit. Nous montrons que notre approche fournit de meilleures performances en termes de PSNR et SAM que les approches de la littérature sur des images Sentinel-2 et Sentinel-3.

195. Distribution matricielle $t$-Wishart : géométrie d'information, estimation et application pour la classification de signaux EEG imen AYADI, Florent Bouchard, Frédéric Pascal. p. 777-780 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce papier s'intéresse à la distribution $t$-Wishart définie sur l'ensemble des matrices symétriques définies positives. Il contient deux contributions. Tout d'abord, l'étude de la géométrie de l'information associée à la distribution $t$-Wishart avec à la clé un estimateur du maximum de vraisemblance basé sur l'optimisation riemannienne. Par ailleurs, la distribution $t$-Wishart est utilisée pour développer une nouvelle méthode de classification des matrices de covariance. Le classifieur proposé est obtenu en exploitant le cadre de l'analyse discriminante et en fournissant une nouvelle règle de décision. Les performances de l'estimateur proposé sont évaluées sur des données simulées. De plus, l'intérêt pratique de notre nouveau classifieur est démontré grâce à des expériences numériques sur données électroencéphalographiques (EEG) réelles. Plus précisément, la technique proposée est plus performante que le classifieur de référence en EEG, i.e., celui de distance minimale à la moyenne (minimum distance to mean, MDM) sur un jeu de données EEG standard d'imagerie moteur (motor imagery, MI).

196. Phase tracking using a geometrical approach : theory and application on FMCW radar. Massimo d'Elia, Mykhailo Zarudniev, Stéphane Bonnet. p. 781-784 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'estimation des variations de phase d'un signal sinusoidal peut être menée dans le domaine de Fourier. Le papier propose d'étudier une approche géométrique en démontrant que la bin fréquentielle décrit une ellipse dans le plan complexe. On améliore ainsi le suivi de phase et l'estimation des déplacements sub-millimetriques en prenant en compte cet aspect ; ce résultat est démontré sur des données fournies par un radar millimétrique.

197. Analyse de la dynamique spatio-temporelle de la connectivité fonctionnelle cérébrale : données synthétiques et modélisation Valentin Portmann, Céline Meillier, Vincent Mazet. p. 785-788 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Une modélisation spatio-temporelle de la dynamique de la connectivité fonctionnelle cérébrale a été introduite dans nos précédents travaux. Afin de valider l'intérêt d'une telle modélisation, nous avons besoin de jeux de données synthétiques complexes mimant le comportement du cerveau au repos. Nous proposons dans cet article la génération de données IRMf synthétiques présentant une dynamique spatio-temporelle paramétrable permettant d'évaluer les performances de notre méthode. Quelques améliorations concernant l'estimation du dictionnaire d'unités de connectivité fonctionnelle, la régularisation du problème et l'influence des paramètres sont également présentées ici.

198. Détection automatique de la déglutition dans les signaux d'auscultation cervicale à haute résolution Lila Gravellier, Maxime Le Coz, Jérôme Farinas, Julien Pinquier. p. 789-792 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'auscultation cervicale à haute résolution est une alternative aux examens de référence visant à diagnostiquer les troubles de la déglutition. Elle consiste à placer des capteurs au niveau du cou du patient et à en analyser les signaux. Cet article présente une méthode de détection automatique de la déglutition dans les signaux issus d'un microphone et d'un accéléromètre. En combinant un détecteur d'activité et un réseau de neurones convolutionnel, cette méthode atteint 87,2% de Fscore sur un corpus de 42 sujets sains effectuant diverses activités pharyngolaryngées.

199. Adaptation de l'algorithme quantique de Grover à la détection multi-utilisateurs dans un système OCDMA Muhammad Idham Habibie, Jihad Hamie, Claire Goursaud. p. 793-796 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous avons modifié tous les commentaires des experts.

200. Algorithme faible complexité pour le calcul de la distribution de la distance minimale de codes polaires Malek Ellouze, Romain Tajan, Camille Leroux, Christophe JEGO, Charly POULLIAT. p. 797-800 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, un algorithme de faible complexité permettant de calculer une borne précise de la distance minimale et de son nombre d'occurrences est introduit pour les codes polaires. Cette méthode peut être appliquée pour n'importe quelle stratégie de bits gelés et peut donc être étendue à n'importe quel type de codes polaires, dont ceux qui utilisent des bits gelés dynamiques ou les codes PAC. L'algorithme proposé permet une estimation précise de la probabilité d'erreur paquet d'un décodeur polaire par liste. Des résultats expérimentaux sont donnés pour les codes polaires du standard 5G pour une taille allant jusqu'à N= 1024.

201. Apprentissage Actif Pour La Classification d'Images en Few-Shot Aymane Abdali, Vincent Gripon, Lucas Drumetz, Bartosz Boguslawski. p. 801-804 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous introduisons le problème de la classification active en Few-Shot (Active Few-Shot Classification, AFSC) où l'objectif est de classifier un petit ensemble de données initialement non étiquetées, compte tenu d'un budget d'étiquetage très limité. Ce problème peut être considéré comme un paradigme rival de la classification Few-Shot transductive classique (Transductive Few-Shot Classification, TFSC), car ces deux approches sont applicables dans des conditions similaires. Nous proposons d'abord une méthodologie qui combine l'inférence statistique et une stratégie d'apprentissage actif à deux niveaux originale qui s'insère bien dans ce cadre. Nous adaptons ensuite plusieurs benchmarks de référence en vision dans le cadre TFSC. Nos expériences montrent que les avantages potentiels de l'AFSC peuvent être substantiels, avec des gains en précision moyenne pondérée allant jusqu'à 10% par rapport aux méthodes TFSC de pointe pour le même budget d'étiquetage. Nous estimons que ce nouveau paradigme pourrait conduire à de nouveaux développements et standards dans les paramètres d'apprentissage à faible disponibilité de données.

202. Interpolation spatiale avec un réseau de neurones génératif comme alternative au krigeage Herbert RAKOTONIRINA, Paul HONEINE, Olivier ATTEIA, Antonin VAN EXEM. p. 805-808 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

En géosciences, les méthodes d'interpolation spatiale peuvent être divisées en géostatistiques, non-géostatistiques ou hybrides. Le krigeage est une méthode couramment utilisée en géostatistique, sous l'hypothèse d'une distribution normale des données. De plus, il peut être très gourmand en ressources lorsqu'il est utilisé pour réaliser une interpolation avec un volume de données conséquent. Les méthodes non-géostatistiques ont bénéficié des avancées récentes des Réseaux Antagonistes Génératifs (GAN), mais elles exigent une quantité importante de données étiquetées pour produire des résultats performants. Les approches hybrides sont limitées de part leurs dépendances aux contraintes associées aux approches géostatistiques. Dans cet article, nous proposons une nouvelle méthode d'interpolation spatiale non-géostatistique par apprentissage profond, en se basant sur une technique de reconstruction d'image sans entraînement au préalable, permettant ainsi de surmonter les limites des GAN. Notre méthode utilise des connexions résiduelles et un sur-échantillonnage bi-cubique dans le but d'adapter la technique de reconstruction d'image à notre application. Elle s'appuie sur un réseau de neurones convolutifs pour produire une carte à partir d'une carte de valeurs aléatoires, en réduisant la différence entre la carte générée et les valeurs observées. L'approche proposée est évaluée sur un jeu de données de modèle numérique de terrain selon deux méthodes d'échantillonnage différentes : régulière et aléatoire. Les résultats montrent des performances supérieures par rapport à l'état de l'art des méthodes l'interpolation.

203. Mesure du taux d'oxygène dans le sang par analyse vidéo : l'intelligence artificielle comme outil thérapeutique Alexis Wuyart, Imene Kertous, Anis Merzouk, Laure Abensur Vuillaume, Frédéric Bousefsaf. p. 809-812 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les techniques d'intelligence artificielle (IA) modernes ont récemment été utilisées pour mesurer la fréquence cardiaque et la tension artérielle. Les recherches dans ce domaine s'orientent désormais vers l'estimation de paramètres physiologiques tels que la saturation pulsée en oxygène (SpO2). Nous proposons dans cet article, une étude de la littérature scientifique dans le domaine de la mesure sans contact de la SpO2 par caméra conventionnelle afin d'implémenter les méthodes prometteuses, et, in fine, de proposer une nouvelle approche basée sur l'IA. La méthode repose sur la transformée en ondelettes continue des signaux calculés par analyse vidéo. Ces représentations sont ensuite envoyées dans un réseau neuronal de type VGG19 par le biais d'une stratégie d'entraînement par transfert. Le réseau prédit une valeur binaire correspondant à une plage de SpO2. Les résultats sont très encourageants avec une classification de la SpO2 atteignant une performance globale de 96,5%. Les perspectives futures s'articulent maintenant autour d'une solution pour lever la barrière de la classification binaire en développant le modèle pour qu'il puisse fournir des estimations continues de la SpO2.

204. Régularisation par la variation totale pour l'identification du support d'images constantes par morceaux Yohann De Castro, Vincent Duval, Romain Petit. p. 813-816 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

On étudie la reconstruction d'images constantes par morceaux à partir de mesures linéaires bruitées. Plus précisément, on s'intéresse à la robustesse au bruit d'une méthode de reconstruction variationnelle. Celle-ci repose sur l'utilisation d'un régulariseur spécifique : la variation totale (du gradient). On montre que, sous certaines hypothèses, si l'image inconnue est la superposition de quelques formes simples, les reconstructions obtenues dans un régime de faible bruit ont la même structure : elles sont composées du même de nombre de formes, chacune étant une déformation régulière d'une des formes inconnues.

205. Identifiabilité de modèles tensoriels couplés pour l'estimation de loi de probabilité discrète Philippe Flores, Konstantin Usevich, David Brie. p. 817-820 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous proposons une approche pour fournir des bornes d'identifiabilité générique de modèles tensoriels couplés pour l'estimation de loi de probabilité discrète. Cette approche permet notamment d'étudier l'influence de différentes stratégies de couplage (total, partiel) sur l'identifiabilité du modèle couplés.

206. Estimation de l'incertitude pour les réseaux de neurones: application pour la prédiction de mouvement d'éolienne en mer NOURA DRIDI, Lucas Drumetz, Adrien Hirvoas, Romain Ribault. p. 821-824 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'estimation de l'incertitude pour les Réseaux de Neurones (RN) est une étape importante pour les algorithmes d'apprentissage profond pour la régression et/ou la classification. Cette information supplémentaire sur l'incertitude attribue un niveau de confiance aux prédictions, rendant ainsi les décisions plus robustes. Le dropout a récemment été appliqué pour estimer l'incertitude des RN, en se basant sur le résultat que l'optimisation de la fonction de perte d'un RN avec dropout est équivalente à une approximation variationnelle d'un processus gaussien dans un cadre bayésien. Cette méthode a l'avantage d'un coût calculatoire faible par rapport à l'approche bayésienne classique. Nous proposons d'appliquer cette méthode pour la régression afin de prédire les mouvements de plateforme d'une éolienne flottante en mer (FOWT). Les résultats obtenus attestent de la bonne performance et de la pertinence de la mesure d'incertitude pour cette application industrielle.

207. Deep Q-learning pour l'ordonnancement de paquets sous contraintes strictes de latence et de taille de buffer Sylvain NÉRONDAT, Xavier Leturc, Christophe Le Martret, Philippe CIBLAT. p. 825-828 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons deux ordonnanceurs basés sur du deep reinforcement learning (DRL) dans le but de réduire la perte de paquets par expiration et par dépassement de capacité du buffer, l'un spécifique aux taux d'arrivée, l'autre, général, entraîné sur une pluralité de taux d'arrivée. Nous obtenons moins de pertes de paquets avec l'ordonnanceur spécifique par rapport aux heuristiques de l'état de l'art. L'ordonnanceur général obtient des performances soit équivalentes, soit meilleures par rapport aux heuristiques.

208. Compromis performance / complexité d'égaliseurs basés EP pour les liaisons FTN : simplifications par l'identité de Woodbury Laëtitia Jadot, Serdar Sahin, Romain Tajan, Pascal CHEVALIER, Guillaume FERRE. p. 829-832 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les récepteurs traitant l'interférence entre symboles (IES) induite par les liaisons Faster-Than-Nyquist (FTN) sont souvent très coûteux. Nous proposons d'étudier la simplification d'un égaliseur bloc temporel basé sur la propagation de l'espérance (Expectation Propagation - EP) en exploitant l'identité de Woodbury. En effet, en approximant l'inverse d'une matrice qui domine la complexité calculatoire à une matrice parcimonieuse qui a seulement Lc colonnes non-nulles, nous étudions le compromis performance / complexité de cette solution. Celle-ci permet de passer d'un ordre de complexité cubique en taille de bloc à une complexité quadratique, permettant par exemple d'atteindre plus de 83% de réduction de complexité pour des blocs de plus de 1000 symboles et des filtres avec un étalement de délai jusqu'à 5 symboles. Plus la compression du temps symbole FTN est faible, plus Lc doit être important pour maintenir des performances intéressantes, ce qui diminue légèrement le gain en complexité.

209. ADR LoRa : Les bandits sont rattrapés par la loi ! Jules Jules, Baptiste Vrigneau, Olivier Berder, Claude Guichaoua, Yvon Legoff. p. 833-836 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les réseaux d'objets connectés font face à deux problèmes majeurs : la consommation d'énergie et la congestion du réseau susceptible d'accueillir un grand nombre de noeuds. Certaines normes de communication permettent une optimisation des paramètres de transmission, grâce notamment à des mécanismes d'intelligence artificielle, mais les performances de ces derniers sont souvent surestimées. Grâce au nouveau simulateur J-LoRaNeS, nous montrons que les bandits multi-bras utilisés pour optimiser les communications LoRa n'apportent pas le gain annoncé dans la littérature lorsqu'ils sont confrontés à des réseaux réalistes et en profitons pour ouvrir quelques possibilités d'amélioration.

210. Synthèse de champs nuageux sous contraintes physiques Pierrick Chatillon, Yann Gousseau, Sidonie Lefebvre. p. 837-840 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons dans cet article une architecture de réseau de neurone et une forme de supervision permettant de spécifier des paramètres physiques en entrée d'un réseau générateur et d'obtenir en sortie des images texturées de nuages respectant les statistiques correspondantes. Ce modèle paramétrique contrôle la pente spectrale et la distribution des niveaux de gris des images. La capacité du modèle à générer des images sous contraintes est testée sur des images de télédétection dans l'infrarouge et des images de contenu en eau simulées.

211. Compensation des Erreurs d'Identification d'Utilisateurs dans l'Allocation Stochastique de Ressources pour Réseaux Aloha Hétérogènes Alix Jeannerot, Malcolm Egan, Lélio Chetot, Jean-Marie GORCE. p. 841-844 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans les protocoles d'accès au canal de type Aloha, une question clé est de savoir comment les dispositifs doivent utiliser les ressources (créneaux temporels) sans coordination. Une solution standard à ce problème est d'assumer que tous les dispositifs ont la même probabilité d'être actif et consiste donc à sélectionner uniformément aléatoirement une ressource lorsqu'un dispositif à besoin de transmettre. Or, en pratique, l'activité des dispositifs est hétérogène, il devient alors intéressant de considérer des sélections non uniformes de ressources afin d'améliorer les performances du réseaux.

212. Sur la similarité spectrale des graphes par mesure de corrélation Tristan Averty, Delphine Daré - Emzivat, Abdel Boudraa. p. 845-848 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous présentons une mesure de similarité spectrale entre deux graphes basée sur un calcul de corrélation entre les spectres de leurs matrices de représentation Tα := αD+(1-2α)A, paramétrée par 0<α<1, où A et D sont respectivement la matrice d'adjacence et la matrice des degrés. Nous montrons par ailleurs que Tα est semi-définie positive pour α>1/2. Ce travail tend à montrer la pertinence de cette mesure, qui, introduit dans un noyau de type Gaussien d'un SVM permet une classification performante de bases de données de graphes connues de la littérature et de classification de signaux réels transformés en graphe grâce à la méthode dite de visibilité. Les résultats obtenus en termes de mesure d'exactitude sont similaires voire meilleurs à ceux obtenus avec des noyaux structurels pour un temps de calcul bien moindre et ce, en ne calculant qu'un seul spectre pour chaque graphe. De plus, nous montrons l'apport de Tα par rapport à la matrice d'α-adjacence de Nikiforov pour la classification de graphes.

213. Towards Self-Driving Labs for Heterogeneous Catalysis: A Bayesian Optimization Approach Markus Grimm, Pierre Chainais. p. 849-852 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Heterogeneous catalysis involves interactions of reactants on the surface of a solid catalyst, which require optimization methods to maximize the yield of a reaction. We propose an adopted Bayesian optimization approach on an automated and robotic high-throughput experimentation platform to optimize the product yield in terms of reactant flow rate and catalyst loading of a heterogeneously catalyzed reaction. Within 10 experiments, we determine optimal conditions, namely reactant flow rate and catalyst mass. Our results provide a roadmap for accelerated and efficient self-driving labs in heterogeneous catalysis.

214. Analyse vibratoire d'une poutre en flexion à partir d'une caméra rapide Jimmy Touzet, Olivier Alata, Frédéric Bonnardot, Simon Chesné, Hugo André. p. 853-856 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans le domaine du diagnostic des machines tournantes, cet article présente une étude de cas sur la reconstruction des modes et l'analyse modale d'une poutre encastrée-libre à partir d'une caméra rapide. Les résultats obtenus sont comparés à ceux obtenus avec un vibromètre laser. Cette étude permet de mieux comprendre les avantages et les limites de l'utilisation de caméras haute vitesse dans l'analyse modale des structures mécaniques.

215. Un test d'indépendance mutuelle entre un grand nombre de signaux Pascal Vallet, Philippe LOUBATON. p. 861-864 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous proposons un nouveau test permettant de vérifier l'indépendance mutuelle d'un grand nombre de signaux dans le cas où le nombre d'observations disponible est limité. Le test utilise des statistiques linéaires des valeurs propres de la matrice de cohérence spectrale estimée, évaluées sur une grille de fréquence bien choisie. Nous montrons que sous l'hypothèse d'indépendance, la statistique de test bien recentrée et normalisée converge en loi vers une gaussienne standard. Cela permet d'évaluer l'erreur de première espèce asymptotique du test.

216. Segmentation à faible coût des délais réseau basée sur le regroupement hiérarchique Sanaa Ghandi, Alexandre Reiffers-Masson, Sandrine Vaton, Thierry Chonavel. p. 857-860 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les mesures de délai Internet sont importantes pour la supervision des réseaux. En particulier, la caractérisation des délais est utile pour la surveillance des infrastructures et l'analyse des incidents. Cet article explore l'utilisation du regroupement hiérarchique pour la segmentation multivariée des délais réseaux. Cette méthode identifie les corrélations spatiales et segmente conjointement les séries temporelles au sein d'un même groupe de délais. Une étape de lissage utilisant l'algorithme de Viterbi est proposée comme post-traitement pour mieux intégrer la dépendance temporelle. Cette méthode globale est évaluée sur un ensemble de données réelles, mettant en évidence des performances satisfaisantes et un coût de calcul limité.

217. Ré-identification de chiens à partir de vidéos en environnement non-contrôlé Cyril Barrelet, Eugenio DIAS RIBEIRO NETO, Marc CHAUMONT, Gérard SUBSOL, Etienne LOIRE, Michel DE GARINE-WICHATITSKY. p. 865-868 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article aborde le problème de la ré-identification (ReID) de chiens à partir de pièges photographiques qui fournissent des vidéos de mauvaise qualité et des petits ensembles de données. Notre objectif est de définir un extracteur de caractéristiques (EC) robuste à ces conditions difficiles. Nous revisitons l'optimisation de la fonction de coût par triplet par la définition d'exemples difficiles lors de trois apprentissages consécutifs. Nous avons mené des expériences sur deux ensembles de données que nous avons rendus publics, l'ensemble de données YT-BB-Dog et SEAdogSEA. Les résultats de précision top-k dans le scénario de ReID sur l'ensemble de données YT-BB-Dog étiqueté sont bons, compte tenu des conditions difficiles. Nous proposons une chaîne de traitement complète utilisant une détection et un suivi standard et une méthode de ReID fondée sur notre EC robuste. Pour finir, nous donnons une évaluation qualitative sur l'ensemble de données SEAdogSEA.

218. Tests statistiques pour l'analyse d'acquisitions hyperspectrales codées Trung-Tin DINH, Hervé CARFANTAN, Antoine MONMAYRANT, Simon LACROIX. p. 869-872 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Des imageurs hyperspectraux co-conçus et programmables, relevant de l'imagerie computationnelle, permettent aujourd'hui de réduire fortement le temps d'acquisition de scènes hyperspectrales. Ils reposent sur la mesure d'une ou de quelques images codées, qui associées à un modèle palliant le manque de données, permettent d'estimer toute la scène hyperspectrale en réduisant la quantité de données et le temps d'acquisition d'un ordre de grandeur ou plus. L'adéquation du modèle à la scène observée est la condition sine qua none d'une estimation fidèle. Nous proposons ici d'étudier un modèle de séparabilité de la scène sur des régions homogènes, similaire à la prise en compte de la variabilité intraclasse en classification spectrale supervisée, et utilisons des tests statistiques pour vérifier ce modèle à partir des données codées.

219. Algorithmes de visualisation de non-identifiabilité Nathanaël Munier, Emmanuel Soubies, Pierre Weiss. p. 873-876 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'identification d'un ensemble de paramètres x à partir de données observées y est souvent réduite à la résolution d'un problème du type f(x) = y, où f est une application continue. Cette équation apparaît dans des domaines tels que les problèmes inverses (aveugles), l'assimilation de données ou encore le contrôle optimal. Lorsque la solution n'est pas unique, il peut être important d'en informer l'utilisateur et de le renseigner sur l'ensemble des solutions plausibles. Nous proposons ici un algorithme permettant de décrire localement un ensemble de solutions de cette équation. Il repose essentiellement sur la différentiation automatique et sur une paramétrisation locale de la variété des solutions. Nous illustrons l'intérêt de cette approche sur deux exemples jouets.

220. Implémentation sur MPSoC FPGA d'un algorithme d'affectation pour le suivi d'objet Denis SHEMONAEV, Bertrand LE GAL, Christophe JEGO, Anthony BESSEAU. p. 877-880 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'étape d'affectation est une étape clé pour le suivi multi-objets. Afin de garantir une exécution temps réel sur des cibles embarquées, il est important de choisir un algorithme efficace et en adéquation avec l'architecture cible. Dans cet article, nous présentons une étude comparative de l'implémentation d'un algorithme d'affectation par enchères pour des problèmes asymétriques sur une cible de type SOM (System On Module) intégrant un processeur ARM et un circuit FPGA. Cette implémentation se distingue de l'état de l'art par le contexte de suivi multi-objets sur cible embarquée. En effet, le contexte implique des problèmes d'affectation relativement limités ainsi que par le choix d'un algorithme plus performant. Les résultats obtenus montrent que notre implémentation logicielle est, dans la plupart des cas, adéquate pour valider le critère temps réel.

221. Assimilation de données par apprentissage pour le suivi de phénomènes océaniques chaotiques Perrine Bauchot, Angélique Drémeau, Florian Sévellec, ronan fablet. p. 881-884 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

En géosciences, l'assimilation de données s'est développée pour reconstruire et prédire des processus dynamiques à partir de séries d'observations et d'a priori sur la physique des systèmes étudiés. Récemment, l'hybridation de l'assimilation de données et de l'apprentissage profond a ouvert de nouvelles perspectives pour aborder ces relations modèles-données, notamment dans le cas d'observations partielles et peu denses. Dans cet article, nous en étudions l'apport potentiel pour l'analyse de phénomènes océaniques chaotiques, plus particulièrement des évènements de Dansgaard-Oeschger qui caractérisent les dynamiques océaniques dans l'Atlantique Nord lors de la dernière ère glaciaire. Nos résultats expérimentaux suggèrent des gains relatifs très importants par rapport à une méthode d'assimilation variationnelle classique lorsque la densité des observations diminue. Ils mettent également en évidence que l'exploitation explicite du modèle dynamique a priori ne conduit pas nécessairement aux meilleures performances.

222. Reaction-Diffusion Algorithm for Element Shaping in 2-D Sparse Array Beam Pattern Optimization Emmanuel ROUX, Mohamed TAMRAOUI, Hervé Liebgott. p. 885-888 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les sondes parcimonieuses sont de bonnes candidates pour l'imagerie ultrasonore 3D en temps réel car elles permettent de contrôler chaque élément actif individuellement permettant d'utiliser un nombre de canaux d'acquisition réduit (typiquement 256 canaux sur les échographes standards). Les travaux sur l'optimisation des sondes parcimonieuses se concentrent généralement sur deux degrés de liberté des éléments actifs : leur positionnement et/ou la pondération de leur intensité. Cependant, d'autres caractéristiques peuvent influencer le diagramme de rayonnement de la sonde, comme la forme de l'élément à laquelle nous nous intéressons dans ce travail. Plutôt que de nous limiter à un petit nombre de possibilités géométriques (cercles, rectangles, hexagones), nous proposons d'optimiser la forme des éléments à l'aide d'un algorithme de réaction-diffusion. Afin d'être calculée rapidement et dérivable, la fonction de coût utilisée dans l'optimisation est basée sur la transformée de Fourier 2D de l'ouverture. Les résultats obtenus ont ensuite été simulés à l'aide du logiciel FIEDL II et montrent qu'il est possible de réduire de plus de 4 dB le niveau de crête des lobes secondaires d'une sonde spirale Fermat tout en conservant la même résolution latérale. Cependant, malgré les 4 dB d'amélioration du niveau des lobes secondaires, notre approche ne permet pas de mettre en évidence une amélioration du contraste dans les images de kystes simulées avec la sonde optimisée. En résumé, notre travail montre qu'il est possible d'améliorer le diagramme de rayonnement d'une sonde parcimonieuse en façonnant la forme de ses éléments à l'aide d'un algorithme de réaction- diffusion.

223. Apprentissage autosupervisé de représentations spatio-temporelles de séries temporelles d'images satellites Iris Dumeur, Silvia Valero, Jordi Inglada. p. 889-892 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous présentons une nouvelle stratégie d'apprentissage autosupervisée de représentations de séries temporelles d'images satellites (STIS), dénommée U-BARN. L'architecture conçue, qui mêle Unet et Transformer, exploite la synergie entre les dimensions spatio-spectrales et temporelles. Afin de pré-entrainer U-BARN sur des données non étiquetées, une tâche prétexte de reconstruction de séries temporelles inspirée du modèle BERT est proposée. Pour démontrer sa capacité d'extraction de primitives pertinentes, les représentations issues de U-BARN pré-entrainé sont ensuite utilisées pour générer des cartes de segmentation sémantique. Les performances de classification démontrent l'intérêt de notre stratégie de pré-entrainement.

224. Régression Logistique à Noyau Equivalente à un Réseau de Neurones Interprétable Marie Guyomard, Susana Barbosa, Lionel Fillatre. p. 893-896 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article s'intéresse à l'approximation par une régression logistique à noyau d'un réseau de neurones interprétable. Nous introduisons un nouveau noyau découlant directement de l'architecture du réseau de neurones. La règle de décision issue d'une régression logistique appliquée à ce noyau se modélise comme une décomposition additive de fonctions univariées et est donc interprétable. Enfin, cette méthode obtient des performances prédictives similaires à celles d'un réseau de neurones mais avec pour avantage d'offrir des garanties de convergence et donc d'unicité des résultats.

225. Performance of Orbital Rendezvous Radar Benjamin GIGLEUX, Francois VINCENT, Eric CHAUMETTE, Thomas HUSSON. p. 897-900 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Un rendez-vous spatial est une manœuvre au cours de laquelle un véhicule spatial, appelé chasseur, s'approche d'une cible dans un même plan orbital. Cet article étudie le cas d'un rendez-vous en orbite circulaire, et estime la précision atteignable par un radar pour le contrôle précis du chasseur.

226. Estimation de la profondeur des plissements corticaux invariante par rapport à la taille globale du cerveau Maxime Dieudonné, Guillaume Auzias, Julien Lefèvre. p. 901-904 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les méthodes actuelles d'estimation de la profondeur des plis corticaux ne prennent pas en compte les variations dans la taille du cerveau entre individus, ce qui peut biaiser les comparaisons statistiques entre populations présentant de telles variations comme notamment des groupes d'enfants d'âge différent. Nous proposons une adaptation formelle d'une méthode existante permettant de rendre l'estimation invariante par rapport aux homothéties. Nous montrons les apports de notre méthode par rapport à la référence de la littérature à la fois sur des simulations et des données réelles.

227. Détection de la dysphonie parkinsonienne : pertinence de la mesure d'harmonicité de la voix Sahar Hafsi, Gaël Mahé, Linda MARRAKCHI-KACEM, Farouk Mhamdi, Nicolas Loménie, Sonia Djaziri-Larbi. p. 905-908 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La dysphonie est un symptôme vocal courant chez les patients atteints de la maladie de Parkinson. Elle est caractérisée par des anomalies de fonctionnement du vibrateur laryngé qui peuvent toucher la hauteur, l'intensité et le timbre de la voix. Plusieurs mesures acoustiques ont été utilisées pour la détection automatique de ces troubles vocaux, à l'instar du ratio harmoniques sur bruit (Harmonics to Noise Ratio, HNR), pour évaluer la qualité de la voix en comparant la quantité de bruit présent dans le signal vocal à celle de sa composante harmonique. Bien que le HNR soit largement utilisé dans ce contexte, la mesure de platitude spectrale (Spectral Flatness Measure, SFM) est une technique alternative qui capture la même information d'harmonicité. Toutefois sa pertinence clinique reste une piste de recherche. Dans cet article, nous comparons le pouvoir discriminant du HNR et de la SFM pour détecter automatiquement la dysphonie parkinsonienne, tout en les combinant avec d'autres descripteurs vocaux extraits à partir de différentes voyelles. Nous montrons que la SFM est un descripteur plus pertinent que le HNR pour détecter la dysphonie.

228. Décomposition tensorielle en termes blocs contrainte pour la mesure non invasive de la complexité de la fibrillation atriale persistante Vicente Zarzoso, Lucas Abdalah, Pedro M. R. de Oliveira. p. 909-912 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les décompositions tensorielles sont devenues un outil incontournable dans l'analyse de données multidimensionnelles. Récemment, un nouvel algorithme appelé lasso groupé alterné contraint (constrained alternating group lasso, CAGL) a été proposé pour calculer la décomposition en termes blocs (block term decomposition, BTD), permettant à la fois d'identifier la structure du modèle tensoriel et les facteurs de la décomposition. CAGL a été appliqué avec succès à la séparation de la source d'activité atriale à partir de l'électrocardiogramme (ECG) pour l'étude non invasive de la fibrillation atriale (FA) persistante, l'arythmie cardiaque soutenue la plus fréquente. La présente contribution se penche sur l'interprétation physiologique et l'intérêt clinique des résultats fournis par CAGL dans le cadre de l'ablation par cathéter, une thérapie de plus en plus utilisée pour le traitement de la FA. Sur une base de données composée de 59 segments ECG provenant de 20 patients atteints de FA persistante ayant subi une ablation, CAGL montre sa capacité, d'une part, à quantifier la complexité de la FA en cohérence avec l'évolution attendue au cours de l'intervention et, d'autre part, à prédire la récurrence de la FA après ablation. Ces résultats sont obtenus à partir de segments ECG très courts, d'à peine un battement cardiaque, permettant le suivi non invasif temps-réel de l'intervention.

229. Cramér-Rao bound for the estimation of the target parameters in a MIMO OFDM DFRC System Satwika Bhogavalli, Eric GRIVEL, K.V.S. Hari, Vincent Corretja. p. 913-916 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dual-Function Radar and Communication (DFRC) systems have emerged to solve spectrum scarcity by integrating both Radar and communication functionalities based on a single waveform. Recently, a great attention has been paid to the systems based on multiple antennas and using orthogonal frequency division multiplexing (OFDM) as a waveform. In that case, one of the key issues is the estimation of the target parameters such as the direction of arrival (DOA), the range and the velocity. In this paper, we derive what is called the modified Cramér-Rao bound (MCRB) for the estimations of the DOA, range and velocity of the targets and analyze how the MCRB depends on the signal-to-noise ratio and the system parameters such as the number of sub-carriers, OFDM symbols and antennas.

230. Turbo égalisation des constellations tournées pour les systèmes acoustiques sous-marins Tarak Arbi, Benoit Geller. p. 917-920 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les débits des communications acoustiques sous-marines sont très limités en raison de la faible bande passante disponible. Les constellations tournées, modulations à forte efficacité spectrale, permettent d'atteindre des performances théoriques supérieures à celles des constellations conventionnelles, sans altérer l'efficacité spectrale ou énergétique du système. Cependant, en pratique, l'utilisation d'algorithmes d'égalisation conventionnels ne permet pas de bénéficier pleinement des avantages théoriques des constellations tournées. Pour résoudre ce problème, cet article propose un nouvel algorithme de Turbo-égalisation qui prend spécialement en compte les caractéristiques des signaux tournés. Nos simulations montrent que notre algorithme permet un gain significatif par rapport aux méthodes conventionnelles.

231. Prédiction du parcours visuel en utilisant un apprentissage adversairial inter-observateurs cohérent Mohamed Amine KEKROURI, Marouane Tliba, aladine chetouani, alessandro bruno. p. 921-924 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le trajet oculaire visuel est un concept essentiel pour l'attention visuelle, et sa prédiction est une tâche cruciale. Dans cet article, nous proposons une méthode d'apprentissage adversairial inter-observateurs pour prédire les parcours visuels à l'aide d'un réseau de neurones générateur léger et d'un réseau discriminatif utilisé comme fonction de pertes dynamiques. Notre méthode maintient la cohérence entre les distributions liées à la nature subjective des parcours visuels. Nous montrons la compétitivité de notre approche par rapport aux méthodes de l'état-de-l'art lors d'une phase de test.

232. Channel State information as a Source of Shared randomness and an Authentication Factor Muralikrishnan Srinivasan, Sotiris Skaperas, Mahdi Shakiba Herfeh, Arsenia Chorti. p. 925-928 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous concevons des schémas de prétraitement pour dissocier les informations d'état de canal (CSI) en composantes prévisibles et imprévisibles afin de fournir simultanément deux opérations de sécurité clés. Les composantes prévisibles sont utilisées pour l'authentification des nœuds et les composantes imprévisibles pour la génération de clés secrètes (SKG). Pour le cas de la SKG, afin d'empêcher Eve d'exploiter les corrélations spatiales, fréquentielles ou temporelles potentielles avec les utilisateurs légitimes, ce qui réduirait l'espace de clé efficace grâce à une diminution de la taille de l'attaque par force brute, dans ce article, nous mettons l'accent sur la nécessité de réduire la corrélation spatiale (SC) à différents emplacements de transmission. Nous étudions également le compromis entre la SC et la réconciliation en liaison montante et en liaison descendante. De plus, nous discutons de l'importance d'un critère plus robuste - l'indépendance - par rapport à la décorrélation entre les utilisateurs légitimes et les espions. Enfin, nous proposons une métrique pour quantifier l'unicité dans les composantes prévisibles pour l'authentification des nœuds, en utilisant la distance de variation totale (TVD).

233. Impact de la stratégie de décodage sur la traduction de modalité radar-optique d'images de télédétection Antoine Bralet, Abdourrahmane Atto, Jocelyn CHANUSSOT, Emmanuel TROUVE. p. 929-932 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Pour de nombreuses applications en vision par ordinateur, des approches d'apprentissage profond basées sur une architecture encodeur-décodeur ont été proposées. En imagerie de télédétection, cette architecture est notamment employée pour la traduction de modalité radar vers optique afin de disposer d'images optiques indépendamment des conditions météorologiques. L'architecture neuronale doit donc prendre en compte les distorsions des images radar sans introduire d'artefacts optiques. Cet article étudie l'impact de la stratégie de décodage sur la reconstruction résultant de notre traducteur radar-optique : SARDINet. Trois stratégies sont comparées ici~: la convolution post-sur-échantillonnage, la convolution transposée et la convolution sub-pixellique.

234. Equivalence entre la régression logistique et le classifieur naïf de Bayes Baptiste Schall, Lionel Fillatre, Rodolphe Anty. p. 933-936 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La régression logistique est très appréciée en apprentissage automatique mais, lorsque les données ne sont pas linéairement séparables, son optimalité et son interprétabilité ne sont pas encore établies. Dans le cas de données discrètes (ou discrétisées) indépendantes, nous montrons que la régression logistique peut parfaitement approximer le test de Bayes naïf avec un encodage approprié des données. Toutefois, elle n'est pas équivalente au test de Bayes naïf. Nous montrons qu'une régression logistique entraînée correspond à une classe de modèles probabilistes Bayésien paramétrée par un espace affine. Des simulations numériques illustrent les résultats théoriques.

235. Élagage efficace des filtres basé sur les décompositions tensorielles Van Tien PHAM, Yassine ZNIYED, Thanh Phuong NGUYEN. p. 937-940 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous présentons une nouvelle méthode d'élagage des filtres pour les réseaux de neurones, appelée CORING (pour effiCient tensOr decomposition-based filteR prunING en anglais). L'approche proposée maintient l'aspect multidimensionnel des filtres grâce à l'utilisation de décompositions tensorielles. Notre approche permet de mesurer la similarité entre les filtres de manière plus efficace et plus précise que les méthodes traditionnelles qui utilisent des versions vectorisées ou matricisées des filtres. Avec cette approche, nous pouvons effectuer l'élagage des filtres plus efficacement en gardant l'essentiel de l'information en utilisant des décompositions de tenseurs sur les filtres. Les expériences menées sur différentes architectures prouvent l'efficacité de CORING.

236. Attaque temporelle de la compatibilité JPE Etienne Levecque, Patrick Bas, Jan Butora. p. 941-944 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente une nouvelle attaque de compatibilité pour détecter un message stego inséré dans le domaine DCT d'une image JPEG pour un facteur de qualité de 100 (QF100). Chaque bloc DCT d'une image cover aura toujours un antécédent dans le domaine pixel, mais ce n'est pas forcément le cas pour une image stego. Bien que théoriquement cette propriété de non-surjectivité permette de construire un détecteur sans fausse alarme, la complexité du problème est trop grande pour y arriver en pratique. Cependant, il est possible de chercher un antécédent avec un problème d'optimisation. Une attaque temporelle peut s'appuyer sur le budget temps alloué à la résolution de ce problème permettant d'avoir une précision dépendant du temps.

237. Compression de réseaux de neurones pour l'apprentissage fédéré Lucas Grativol. p. 945-948 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'Apprentissage Fédéré (AF) est une méthode distribuée pour l'apprentissage automatique au niveau edge, utile pour les applications sensibles à la confidentialité. Les dispositifs clients ayant des ressources limitées, tels que les portables ou l'Internet des objets (IoT), doivent limite au maximum la transmission des données pour mieux utiliser leurs ressources. Nous avons étudié l'impact des techniques de compression sur l'AF pour la classification d'images avec le jeu de données CIFAR10 et une architecture ResNet-12, démontrant que ces techniques réduisent les coûts de communication tout en maintenant une précision raisonnable.

238. Rankformer : un Nouveau Transformer avec un Mécanisme d'Attention Ordinal pour la Prédiction des Séries Temporelles Zuokun OUYANG, Meryem JABLOUN, Philippe RAVIER. p. 949-952 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le problème de prédiction à long terme pour les séries temporelles a été activement étudié au cours des dernières années, et les modèles précédents basés sur les Transformers ont exploité divers mécanismes d'auto-attention pour découvrir les dépendances à long terme. Les performances ne sont cependant pas toujours satisfaisantes car la tâche de prédiction requiert une extraction de toutes les dépendances cachées, notamment non linéaires. Dans cet article, nous proposons un nouveau modèle basé sur le Transformer, nommé Rankformer, qui exploite la fonction de corrélation d'ordre, apte à capturer les non linéarités, couplée à une architecture de décomposition éprouvée. Rankformer surpasse quatre modèles basés sur les Transformers de dernière génération pour différents horizons de prédiction et sur les données de nature différente étudiées. Cette étude est un complément de celle publiée dans IEEE SSP'23, avec une nouvelle mesure proposée et le modèle testé sur de nouveaux jeux de données.

239. Approche par blocs du filtrage des signaux piloté par les données Abdel BOUDRAA, Jean-Christophe Cexus. p. 953-956 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article on s'intéresse au problème du filtrage des signaux par une méthode pilotée par les données, à savoir la décomposition modale empirique (EMD). Le signal filtré est obtenu par une reconstruction partielle des modes empiriques (IMFs) extraits par l'EMD et ce en utilisant un critère énergétique mesurant l'écart quadratique moyen entre deux reconstructions consécutives, le CMSE (Consecutive MSE). L'approche CMSE, largement utilisée dans la littérature du domaine, fournit un moyen simple pour estimer des signaux, en présence de bruit. Cela étant, ce filtrage est global. Ainsi, pour les signaux d'intérêt caractérisés, par exemple, par des détails fins, des événements courts ou peu contrastés (non stationnaires) cette approche a tendance à mal les reconstruire au détriment des grandes structures du signal informatif. On propose dans cet article, une approche locale ou par blocs de la méthode CMSE qui permet d'améliorer les performances de la reconstruction du signal d'intérêt. Des résultats de simulation sont présentés et comparés à ceux de l'approche par ondelettes.

240. Un réseau hybride CNN-LSTM pour la classification de navires à partir d'une base frugale des images SAR Abdelmalek Toumi, Jean-Christophe Cexus, Mahdi Abid, Ali KHENCHAF. p. 957-960 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce travail propose une architecture de classification issue des techniques de l'apprentissage profond et en particulier des réseaux neuronaux convolutifs et récurrents pour la classification de navires dans des images SAR. Plus particulièrement, il s'agit de classifier des navires par apprentissage supervisé à partir d'une base d'images SAR préalablement étiquetées. Il s'avère que l'un des principaux obstacles à l'utilisation de l'apprentissage profond est la nécessité d'avoir un très grand nombre de données annotées qui ne sont pas toujours disponibles. L'objectif de cette étude est donc de proposer une architecture hybride spécifique : CNN-LSTM (Convolutional Neural Networks - Long Short-Term Memory) permettant d'exploiter des ensembles de données frugales (peu nombreuses) et relativement déséquilibrés. Afin de comprendre l'intérêt de ce type de méthode, nous proposons de la comparer à des algorithmes d'apprentissage profond fréquemment décrits dans la littérature.

241. A Linear Complementarity Problem based on non-Symmetric Large Random Matrices Mohammed-Younes gueddari, Walid HACHEM, Jamal Najim. p. 961-964 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le problème de complémentarité linéaire (LCP) désigne une classe de problèmes d'optimisation linéaire. Motivés par une question issue de l'écologie théorique, nous étudions les grands systèmes d'équations différentielles couplées de Lotka-Volterra (LV), où l'interaction entre équations est modélisée par une grande matrice aléatoire. Après avoir montré qu'un équilibre stable d'un tel système satisfaisait un problème de LCP, nous analysons ses propriétés statistiques en adaptant des techniques issues de l'Approximate Message Passing (AMP), une famille d'algorithmes et techniques développés par Donoho, Montanari et al. ces 15 dernières années. Nous retrouvons ainsi des résultats de Bunin et Galla, établis à l'aide de techniques de physique théorique. Ces concepts de LCP et d'AMP présentent un intérêt pour notre communauté, au-delà de leur utilisation spécifique dans un contexte d'écologie théorique.

242. Nouveaux indicateurs pour la caractérisation du contenu cyclostationnaire Anas Had, Hugo André, Hervé Morel, Jérémy Jouve, Mohamed EL BADAOUI. p. 965-968 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'objectif de cette étude est de proposer de nouveaux indicateurs pour évaluer le contenu cyclostationnaire des signaux de vibration provenant de machines tournantes. Les indicateurs cyclostationnaire proposés ont la capacité d'évaluer la qualité de la moyenne synchrone et de la variance synchrone avec une valeur normalisée entre 0 et 1. Les indicateurs développés sont basés sur des tests statistiques, tels les tests de Student et de Bartlett. Le test de Student est utilisé pour caractériser la présence d'une composante cyclostationnaire à l'ordre 1 pour chaque portion angulaire du cycle d'intérêt. Pour le test de Bartlett, il permet de caractériser la présence d'une composante Cyclostationnaire à l'ordre 2 pour le cycle d'intérêt. Ces nouveaux indicateurs sont appliqués à différentes bases de données avec plusieurs capteurs afin de prouver leur efficacité. Les résultats expérimentaux montrent la robustesse des indicateurs proposés et leur capacité à révéler les capteurs qui favorisent le contenu de cyclostationnarité et renforcent la détection des défauts.

243. Optimisation alternée pour la localisation des rayons gamma prompts et l'estimation du profil de vitesses en hadrothérapie Cherni Afef, Garnier Alicia, Dupont Mathieu, André Adélie, Hérault Joel, Maneval Daniel, Gallin-Martel Marie-Laure, Marcatili Sara, Morel Christian, Boursier Yannick. p. 969-972 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

En hadronthérapie, l'amélioration de la détection du parcours du hadron et de son profil de vitesses lors du traitement est un objectif en plein essor afin de détecter tout changement ou inadéquation entre le plan de traitement et les conditions présentes au moment du traitement. Dans ce travail, nous modélisons une méthode alternée qui permet d'estimer la position du hadron et sa vitesse en temps réel tout au long de l'irradiation d'une tumeur. L'utilité de notre approche permettra d'alerter ou d'arrêter le traitement dans le cas d'une irradiation excessive des tissus sains.

244. Optimisation Riemannienne pour l'apprentissage de graphes structurés Alexandre Hippert, Florent Bouchard, Ammar Mian, Titouan Vayer, Arnaud Breloy. p. 973-976 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article propose un cadre algorithmique pour l'apprentissage de graphes au travers de l'estimation de matrices de précision parcimonieuses sous des contraintes de structure rang faible sur la matrice de covariance. Le problème est exprimé comme une estimation pénalisée du maximum de vraisemblance d'une distribution elliptique (une généralisation des modèles graphiques gaussiens aux distributions à queue lourde), où la matrice de covariance est optionnellement contrainte à avoir une structure rang faible plus diagonale. La résolution de cette classe de problèmes est ensuite abordée via une méthode d'optimisation riemannienne, où nous tirons parti de géométries des matrices définies positives et des matrices semi-définies positives de rang fixe qui sont bien adaptées aux modèles elliptiques

245. Détection d'activité vocale Multi-flux pour la Diarisation du locuteur Yannis Tevissen, Jerome Boudy, Gérard Chollet, Frédéric Petitpont. p. 977-980 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La diarisation du locuteur, ou la tâche de déterminer « qui parle, quand ? », a récemment connu des avancées majeures, mais la plupart des recherches sont axées sur les représentations vectorielles de la parole et les méthodes de regroupement. Dans cet article, nous étudions l'impact du choix de la détection d'activité vocale sur les performances de diarisation du locuteur. Nous présentons également une nouvelle méthode de détection d'activité vocale multi-flux basée sur une fusion de trois systèmes selon leurs entropies. Celle-ci s'est déjà avérée compétitive lors du challenge de diarisation VoxSRC 2022. Enfin, nous discutons des prochaines étapes pour obtenir des résultats au niveau de l'état de l'art dans le cas général avec cette méthode.

246. Apprentissage explicable d'un ensemble de divergences pour la similarité inter-classe de données SAR Matthieu Gallet, Abdourrahmane Atto, Emmanuel TROUVE, Fatima Karbou. p. 981-984 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans ce travail, nous proposons une méthode de classification de données bivariées positives en utilisant un ensemble de divergences basées sur des statistiques descriptives, une modélisation paramétrique des marginales et la modélisation des dépendances via des copules. Ces divergences sont combinées via des opérateurs de réseaux neuronaux pour déterminer la classe du couple d'entré considéré. Cette approche est testée sur un dataset d'images radars à ouverture synthétique (SAR) du satellite PAZ.

247. Schéma Plug-and-Play robuste à la corrélation spatiale du speckle pour le filtrage des données SAR polarimétriques Cristiano Ulondu Mendes, Loïc DENIS, Florence TUPIN. p. 985-988 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les données PolSAR (Radar à Synthèse d'Ouverture polarimétriques) présentent un fort bruit de speckle lié à l'acquisition en imagerie cohérente. En raison de l'apodisation appliquée lors de la synthèse de l'image, ce bruit est spatialement corrélé. L'application d'algorithmes de débruitage supposant un bruit blanc produit des artefacts. Dans cet article nous proposons d'améliorer la restauration d'images PolSAR par l'introduction d'un débruiteur robuste aux corrélations spatiales du bruit au sein d'un formalisme plug-and-play.

248. Estimation de mouvement rétrospective pour l'IRM cérébrale foetale Chloé MERCIER, Sylvain Faisan, Alexandre PRON, Nadine GIRARD, Guillaume AUZIAS, Thierry CHONAVEL, François Rousseau. p. 989-992 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'imagerie par résonance magnétique (IRM) fœtale permet d'étudier le développement cérébral. Cependant, les mouvements de l'enfant et de la mère pendant l'acquisition entraînent des artefacts sur les images. Des séquences IRM utltra-rapides, permettent de réduire les artefacts mais du mouvement persiste entre les coupes. Nous proposons une méthode permettant de corriger le mouvement entre les coupes, basée sur l'intersection entre les coupes orthogonales, ainsi qu'une nouvelle méthode pour la détection des coupes mal recalées.

249. Analyse structurelle de l'influence du bruit sur l'arbre alpha Baptiste Esteban, Guillaume Tochon, Edwin Carlinet, Didier Verna. p. 993-996 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'arbre alpha est une représentation hiérarchique utilisée dans divers traitements d'une image tels que la segmentation ou la simplification. Ces traitements sont néanmoins sensibles au bruit, ce qui nécessite parfois de les adapter. Or, l'influence du bruit sur la structure de l'arbre alpha n'a été que peu étudiée dans la littérature. Ainsi, nous proposons une étude de l'impact du bruit en fonction de son niveau sur la structure de l'arbre. De plus, nous étendons cette étude à la persistance des nœuds de l'arbre en fonction d'une énergie donnée, et nous concluons que certaines fonctionnelles sont plus sensibles au bruit que d'autres.

250. Une implantation de la théorie de l'information François CAYRE, Nicolas LE BIHAN, Isabelle SIVIGNON. p. 997-1000 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Ce travail décrit une implantation des opérateurs usuels de la théorie de l'information sur des multi-ensembles de chaînes de symboles. Elle se fonde sur (i) un format de représentation compressée, et (ii) un algorithme d'inférence de la syntaxe la plus probable (MPS), permettant l'implantation de trois mesures d'une quantité d'information, dont une est exacte.

251. Estimation du déphasage et réduction du repliement par apprentissage profond pour l'imagerie ultrasonore Julia Puig, Fabien Millioz, Damien Garcia, Denis Friboulet. p. 1001-1004 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'échocardiographie Doppler couleur permet de visualiser le mouvement du sang dans le coeur à partir de la différence de phase de signaux obtenus lors d'acquisitions successives. Le nombre d'acquisitions détermine la cadence d'images maximum atteignable. Nous proposons une méthode basée sur l'apprentissage profond pour l'estimation du déphasage et la réduction du repliement de signaux ultrasonores à partir d'un nombre réduit d'acquisitions successives. Nous avons entraîné puis testé notre approche sur des simulations d'acquisitions échocardiographiques.

252. Un modèle statistique pour prédire la généralisation dans des tâches de classification avec peu d'exemples Yassir Bendou, Giulia LIOI, Bastien Pasdeloup, Vincent Gripon. p. 1005-1008 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'estimation de l'erreur de généralisation des classificateurs est difficile dans les scénarios d'apprentissage avec peu d'exemples du fait que l'ensemble de validation est souvent indisponible. Dans ce type de problèmes, il est typique d'utiliser des réseaux de neurones pré-entraînés avec des classificateurs basés sur la distance tels que le centre de la classe le plus proche. Dans cet article, nous proposons un modèle gaussien pour estimer les paramètres de la distribution des vecteurs caractéristiques et prédire l'erreur de généralisation sur de nouvelles tâches de classification avec peu d'exemples étiquetés. Nous introduisons également un estimateur sans biais pour les distances entre les densités conditionnelles des classes et montrons l'importance d'une bonne estimation de ces distances. Nos expériences montrent que notre approche est plus performante que d'autres solutions, telles que la stratégie de validation croisée.

253. Éxploration théorique des motifs d'ordre pour une meilleure compréhension de leur utilité dans les méthodes ordinales de traitement du signal Meryem JABLOUN. p. 1009-1012 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Au cours des deux dernières décennies, un nombre croissant de méthodes et d'approches, dites "ordinales", se sont développées dans divers domaines et selon différentes orientations. Leur principe repose en premier lieu sur l'identification de motifs d'ordre, mais ce concept n'est pas entièrement caractérisé sur le plan théorique. L'objectif de cet article est de mettre en lumière l'aspect fréquentiel dissimulé derrière la sélection de ces motifs. Cet aspect evrait être pris en compte pour une meilleure interprétation des résultats obtenus par les méthodes ordinales.

254. L'entropie comme mesure de difficulté des problèmes inverses Florent Michel, Benoît Malézieux, Matthieu Kowalski, Thomas Moreau. p. 1013-1016 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans le contexte du problème inverse, nous proposons une limite inférieure estimable sur la façon dont nous pouvons récupérer le signal d'intérêt avec l'accès à certains échantillons. Cette limite inférieure est basée sur l'entropie conditionnelle et nous proposons une méthode pour la quantifier en haute dimension avec une approche par sections. Nous montrons que cette mesure est corrélée avec la difficulté d'un problème et qu'elle peut être convertie avec une perte de dimension équivalente.

255. Technique de suppression d'interférence FMCW dans un radar automobile OFDM à l'aide d'un grid dechirping Antônio MAEDA-MAGALHAES, Dominique DELBECQ, Guillaume FERRE. p. 1017-1020 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les interférences mutuelles sont devenues un sujet d'intérêt important pour les radars automobiles et, avec l'introduction de radars numériques prévue dans ce domaine, de nouvelles techniques de suppression d'interférence seront nécessaires. Cet article propose une technique de suppression d'interférence Frequency Modulated Continuous Wave (FMCW) sur la base de l'impact d'un radar FMCW sur un radar Orthogonal Frequency Division Multiplexing (OFDM). L'avantage de cette méthode est qu'elle n'impose aucune contrainte sur les paramètres des radars. Les simulations montrent que l'algorithme permet d'atténuer les interférences en fonction du signal-to-noise ratio (SNR) du récepteur.

256. Joint Power Control and Clustering in NOMA-enabled Cell-free Massive MIMO Muralikrishnan Srinivasan, Arsenia Chorti. p. 1021-1024 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous étudions la liaison descendante d'un système à entrées multiples et sorties multiples massif (CF-mMIMO) sans cellule avec accès multiple non-orthogonal (NOMA), où deux ensembles d'équipements utilisateurs (UE) avec des exigences de qualité de service (QoS) distinctes sont servis. Les UE de type cUE doivent atteindre un objectif de maximisation du débit ergodique total, tandis que les UE de type pUE doivent respecter un seuil de débit minimum. Comme il n'existe pas de solution optimale réalisable, nous proposons des algorithmes de contrôle de puissance et de regroupement calculatoirement réalisables qui maximisent le débit ergodique des cUEs sans compromettre les exigences de débit des pUEs.

257. Diagnostic automatique de la sévérité de la gonarthrose à l'aide de transformeur Swin Aymen Sekhri, Yassine Nasser, Marouane Tliba, Mohamed Amine KERKOURI, Aladine Chetouani, Alessandro Bruno, Ahmed Roumane, Rachid Jennane. p. 1025-1028 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'arthrose du genou (gonarthrose) est la maladie articulaire la plus répandue dans le monde. Elle est l'une des principales causes de limitation d'activité et d'incapacité physique chez les personnes âgées. Son diagnostic précoce est essentiel pour une meilleure prise en charge de la maladie et de son suivi. Dans ce papier, nous proposons une approche de classification automatisée pour prédire la sévérité de la gonarthrose à partir d'images radiographiques. Plus précisément, l'architecture proposée est constituée d'un transformeur Swin et d'un en-tête de classification multi-prédictive afin d'améliorer la précision du modèle. L'architecture proposée a été entraînée et évaluée sur deux grandes bases de données publiques. Les résultats obtenus montrent le potentiel et la faisabilité de l'approche proposée.

258. Implantation d'un détecteur de préambules vobulés par satellite en orbite basse Matthieu MAGNANT, Amine BEN TEMIM, Bertrand LE GAL, Guillaume FERRE, Florian COLLARD. p. 1029-1032 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le monde de l'Internet des objets (IoT) subit depuis quelques temps une révolution avec le déploiement de passerelles en orbite basse terrestre. Cette révolution permet d'offrir ce que l'IoT promet depuis son apparition, à savoir la connexion d'un objet quelle que soit sa position sur Terre. Plusieurs couches physiques ont montré qu'elles avaient la sensibilité pour de telles communications. Dans cet article, nous proposons une solution permettant à un opérateur IoT par satellite LEO de détecter ces différents paquets sur la base d'un préambule unique.

259. Estimation distribuée sur des réseaux de capteurs : une approche par bond Louis Duvivier. p. 1033-1036 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans de nombreux domaines, des réseaux de capteurs sont utilisés pour mesurer un signal en différents points d'un milieu. Dans ce contexte, utiliser des algorithmes de consensus distibué permet d'améliorer la précision des estimations sans multiplier inutilement les communications. Quand tous les capteurs du réseau ne mesurent pas le même signal, chaque capteur doit d'abord déterminer avec lesquels de ses voisins il doit collaborer. Dans cet article, nous proposons un algorithme, dit << à bond >> pour résoudre conjointement ce problème d'estimation des voisins avec lesquels collaborer et d'estimation coopérative, avec une objectif d'oubli rapide quand les mesures changent. Nous comparons ses performances numériques avec celles de l'algorithme de descente de gradient distribué Adapt Then Combine proposé auparavant.

260. Étude comparative de réseaux de neurones pour la reconnaissance des émotions avec les images plénoptiques Sabrine Djedjiga OUCHERIF, Mohamad Motasem NAWAF, Jean-Marc BOÏ, Lionel NICOD, Bruno Torrésani, Djamal MERAD, Séverine DUBUISSON. p. 1037-1040 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous présentons notre contribution dans la reconnaissance des expressions faciales en utilisant des images obtenues à partir de la base de données Light Field Face Dataset. Nous comparons diverses architectures qui sont principalement développées autour d'un réseau de neurones convolutif de type EfficientNetV2-S et combiné avec différents réseaux de neurones récurrents (LSTM, GRU, BiLSTM and BiGRU). Nous exploitons également les différents ensembles d'images de sous-ouverture. Chaque ensemble varie en fonction du nombre d'images et de leur position virtuelle. Les résultats montrent une amélioration significative de la précision dans deux configurations et selon un ensemble d'images de sous-ouverture. La première consiste à utiliser le modèle d'EfficientNetV2-S avec un LSTM en deux branches. La seconde utilise une seule branche, combinée avec un BiLSTM.

261. SVM pour la démodulation et le codage conjoints Gastón De Boni Rovella, Meryem Benammar, Delphine Gourmel, Mehdi Djelloul. p. 1041-1044 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les solutions basées sur l'apprentissage automatique pour la démodulation et le décodage de canal ont gagné en popularité ces dernières années en raison de leur capacité à traiter de gros volumes de données, de leur faible latence et de leur robustesse face aux erreurs de modèle. Dans ce contexte, des travaux antérieurs ont appliqué les Machines à Vecteurs de Support (SVM) au problème de décodage, produisant des résultats favorables pour les codes très courts. Dans ce travail, nous introduisons une approche nouvelle, bit-par-bit, qui réduit considérablement la complexité du décodeur basé sur les SVM, ainsi que la taille de l'ensemble de données d'entraînement. Enfin, nous analysons la complexité de notre système et montrons que les décodeurs basés sur les SVM restent des solutions hautement complexes qui ne sont pas encore applicables aux longueurs de codes plus grandes.

262. Etude des performance des systèmes multiporteuses QAM-FBMC avec réseau quinconce et filtres courts Iandra Galdino, Didier LE RUYET, Rostom Zakaria, Marcello De Campos. p. 1045-1048 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les interférences intrinsèques observées au niveau du récepteur dans les systèmes multiporteuses à base de bancs de filtres QAM-FBMC (Quadrature Amplitude Modulation Filterbank Multicarrier) sont problématiques lorsque ceux-ci sont associés aux techniques MIMO (multiple-input multiple-output). Dans cet article, nous proposons de remplacer le réseau rectangulaire traditionnel par un réseau quinconce ou hexagonale ce qui modifie l'espacement temporel et l'espacement fréquentiel. Nous montrons que lorsque les filtres prototypes utilisés sont courts, l'approche proposée permet de réduire significativement l'interférence intrinsèque. Nous avons mis en évidence l'intérêt du système proposé FBMC-QAM avec réseau en quinconce en comparant ses performances avec celles du système traditionnel FBMC-QAM avec filtres courts.

263. PTSD-MDNN : Fusion tardive de réseaux de neurones profonds multimodaux pour la détection du trouble de stress post-traumatique Long Nguyen-Phuoc, Renald Gaboriau, Dimitri Delacroix, Laurent Navarro. p. 1049-1052 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Afin de proposer un moyen plus objectif et plus rapide de diagnostiquer le trouble de stress post-traumatique (TSPT), nous présentons PTSD-MDNN qui fusionne deux réseaux de neurones convolutifs unimodaux et qui donne un faible taux d'erreurs de détection. En ne prenant que des vidéos et des audios comme entrées, le modèle pourrait être utilisé dans la configuration de séances de téléconsultation, dans l'optimisation des parcours patients ou encore pour l'interaction humain-robot.

264. Modèle de diffusion frugal pour l'inpainting d'images Nicolas Cherel, Andres Almansa, Yann Gousseau, Alasdair Newson. p. 1053-1056 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Très récemment, les modèles de diffusion probabilistes ont permis d'améliorer significativement l'état de l'art en synthèse d'images. Ces modèles génératifs se sont avérés particulièrement efficaces pour la résolution de problèmes inverses comme la super-résolution, le défloutage ou l'inpainting. Cependant beaucoup de ces modèles de diffusion reposent sur des centaines de millions de paramètres et le temps d'apprentissage se compte en dizaines de jours-GPU. Ces contraintes matérielles rendent leur utilisation particulièrement lourde et couteuse. Nous proposons un modèle de diffusion léger pour l'inpainting, adapté à des entraînements sur une ou quelques images, ne nécessitant qu'un apprentissage relativement rapide. Nous analysons précisément l'apport de la diffusion, à architecture constante, et nous comparons notre réseau léger avec l'état de l'art dans l'inpainting image.

265. Schémas de modulations orthogonales avec codage multi-étages basés sur des codes polaires Jocelyn Bourduge, Charly POULLIAT, Benjamin GADAT, Jean-Frederic CHOUTEAU. p. 1057-1060 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous nous intéressons aux schémas MLC (Multilevel Coding) pour les modulations orthogonales en utilisant des codes polaires construits par méthode de Monte-Carlo pour un canal Gaussien cohérent et non cohérent.

266. Test d'hypothèses distribué pour des modèles de sources générales non-iid, non-stationnaires, et non-ergodiques Ismaila SALIHOU ADAMOU, Elsa DUPRAZ, Tad MATSUMOTO. p. 1061-1064 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article traite du problème de test d'hypothèses distribué, où une source X est encodée sachant qu'une information adjacente Y n'est disponible qu'au décodeur. Le décodeur doit décider entre les hypothèses H0 et H1 relatives à la distribution jointe de X et Y en se basant sur une version codée de X. Contrairement à la plupart des travaux existants qui considèrent des modèles de sources i.i.d., cet article étudie des modèles de sources plus génériques qui ne sont pas nécessairement i.i.d., ni stationnaires ou ergodiques. L'article développe une analyse basée sur l'"information spectrum" pour fournir des formules générales sur l'exposant d'erreur de Type-II atteignable sous une contrainte sur l'erreur de Type-I. Le schéma de codage atteignable est basé sur une approche "quantize-and-binning". L'article montre que pour ce schéma de codage, l'exposant d'erreur se résume à un problème de compromis entre une erreur de binning et une erreur de décision, comme cela a déjà été observé pour les sources i.i.d. Enfin, La dernière partie de l'article traite le modèle particulier des sources gaussiennes, stationnaires et ergodiques.

267. Amélioration de l'étiquetage automatique des boîtes de Pétri avec des algorithmes d'IA Victorien Quevit, Jean-Marc Laferté, Alain-Jérome Fougères, Hayet Djelal, Jean-Louis DILLENSEGER, Emmanuel Jalenques. p. 1065-1068 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'étude rapportée dans cet article vise à améliorer la précision de la labélisation sur les images de boîtes de Pétri contenant des ‘Unités Formant Colonie' à l'aide d'algorithmes d'intelligence artificielle. En effet, les méthodes d'étiquetage proposées par les logiciels classiques de vision par ordinateur comme ScanStation, sont sujets à des erreurs et la correction manuelle est une tâche complexe et fastidieuse. Nous proposons une approche basée sur des modèles d'intelligence artificielle. Dans un premier temps, un modèle YOLO est entraîné sur les labels existants fournis par ScanStation. Les boîtes englobantes générées par ScanStation et YOLO sont ensuite binarisées à l'aide de l'algorithme OTSU pour obtenir des labels sémantiques qui sont utilisées pour entraîner un réseau U-Net. Ensuite, un modèle Xception est entraîné pour classer tous les segments générés par le U-Net comme outlier ou UFC. In fine, les modèles U-Net et Xception entraînés sont utilisés pour améliorer la labélisation de ScanStation. Les résultats indiquent que l'approche proposée améliore la précision du processus sans correction humaine.

268. Détection d'anomalies dans des images industrielles par modélisation de l'espace latent d'auto-encodeurs Nicolas Pinon, Robin Trombetta, Carole Lartizien. p. 1069-1072 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous étudions plusieurs méthodes de détection d'anomalies dans des images couleurs, basées sur des auto-encodeurs par patch. Nous comparons les performances de trois types de méthodes basées, la première, sur l'erreur entre l'image originale et sa reconstruction, la seconde, sur l'estimation du support de la distribution des images normales dans l'espace latent, et la troisième, sur l'erreur entre l'image originale et une version restaurée de l'image reconstruite. Ces méthodes sont évaluées sur la base d'images industrielles MVTecAD et comparées à deux méthodes très performantes de l'état de l'art.

269. Homographies structurées pour l'alignement de couches spectrales Pierre Chatelain, Gilles DELMAIRE, Aseel AL KHANSA, Matthieu PUIGT, Gilles ROUSSEL. p. 1073-1076 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Des caméras hyperspectrales compactes à acquisition spatio-spectrale ont été proposées ces dernières années. Leur miniaturisation et leur conception engendrent des désalignements géométriques pour lesquels le fabricant ne propose pas de solution. Dans nos précédents travaux, nous avons conçu une approche basée sur les collections d'homographies pour corriger ce problème. Cette dernière nécessitait un nombre très important de points à relever par un utilisateur (4 points/couche soit 768 points au total pour notre caméra). Dans cet article, nous en proposons une extension structurée par un modèle où le nombre de points minimum à relever est significativement réduit (12 points au total) tout en fournissant des performances similaires.

270. Interpolation spatiale de signaux sur graphes avec une application pour la fusion d'ensembles de données EEG de diverses dimension Yassine EL OUAHIDI, Lucas Drumetz, Giulia LIOI, Nicolas FARRUGIA, Bastien Pasdeloup, Vincent Gripon. p. 1077-1080 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans le domaine des Interfaces Cerveau Machine (ICM), les ensembles de données sont généralement petits et ont des configurations d'électrodes différentes. Lors de l'entraînement d'un réseau de neurones profond, il peut être souhaitable de capitaliser sur plusieurs de ces ensembles de données pour augmenter la quantité de données disponibles et améliorer la généralisation. À cette fin, nous proposons une technique d'interpolation spatiale de signaux sur graphe permettant d'interpoler efficacement plusieurs électrodes. Nous menons une série d'expériences avec 5 ensembles de données données ICM d'Imagerie Motrice en comparant l'interpolation proposée avec l'interpolation par splines sphériques. Nous pensons que ce travail apporte des idées novatrices sur la façon de tirer parti des graphes pour interpoler des électrodes et sur la façon d'homogénéiser plusieurs ensembles de données.

271. Comparaison des capacités prédictives de réseaux de neurones, application à la masse sèche de cellules Romain Bailly, Marielle Malfante, Cédric Allier, Lamya Ghenim, JEROME MARS. p. 1081-1084 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Depuis une dizaine d'années, de nombreuses architectures de réseaux de neurones ont été proposées pour résoudre des problèmes complexes, jusqu'alors insolubles. Bien que chaque architecture tente d'augmenter les performances de ses prédécesseurs, nous constatons aujourd'hui un manque d'évaluation comparée de leurs performances. Nous présentons dans ce papier une étude comparative de différentes architectures des réseaux de neurones pour la prédiction de séries temporelles. En particulier, celle de masse sèche de cellules. Quatre types d'architectures (Perceptrons Multicouches, CNN-1D, LSTM et réseaux à connexions résiduelles) sont comparées selon leurs capacités prédictives, leur nombre de paramètres, leur temps d'entraînement et leur temps d'inférence. Les expériences réalisées mettent en avant une prédominance des perceptrons multicouches à extraire une représentation utile pour la prédiction de la masse sèche de cellule par un réseau totalement connecté, et ce, sur toutes les métriques étudiées.

272. Paramètres effectifs et modèles non-linéaires Alexandre Constantin, Rodrigo Cabral Farias, Jean-Marc BROSSIER, Olivier MICHEL. p. 1085-1088 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous présentons une synthèse de la littérature autour des questions de degrés de liberté et en proposons un estimateur applicable à tout modèle paramétrique. Des résultats sur un perceptron avec une couche cachée montrent des performances équivalentes à l'algorithme de Ye pour une complexité numérique réduite.

273. Réflexions sur le principe d'information de Fisher minimum Steeve Zozor. p. 1089-1092 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous nous intéressons au pendant à la Fisher du principe d'entropie maximum. Ce dernier stipule qu'un système physique fermé soumis à contraintes est nécessairement dans son état de désorganisation maximum sous les contraintes. En d'autres termes, son entropie est maximale étant données les contraintes. L'information de Fisher est elle une mesure d'information issue du monde des statistiques et non de la physique, mais est intimement reliée à la notion d'entropie de Shannon. Il est donc naturel de se poser la question de la revisite du principe d'entropie maximale sous le prisme de l'information de Fisher, objet de cet article. Nous y montrons que le problème est mal posé, et proposons un ensemble de solutions et de réflexions autour des problèmes dérivés bien posés.

274. Un algorithme multiéchelle pour déformer les objets de façon réaliste - application à la modélisation de la croissance du cerveau foetal Fleur Gaudfernau, Stéphanie Allassonière, Erwan Le Pennec. p. 1093-1096 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons d'établir une trajectoire continue du plissement cortical du cerveau au cours de la grossesse en utilisant la régression géodésique dans le cadre du Large Deformation Diffeomorphic Metric Mapping. Deux problèmes se posent lors de l'estimation de transformations de grandes dimensions, à savoir le risque élevé de bloquer l'optimisation dans un minimum local irréaliste et le fait que les déformations sont contraintes à une unique échelle spatiale. Pour résoudre ces problèmes, nous introduisons une stratégie d'optimisation coarse-to-fine basée sur des reparamétrisations multiéchelles des objets et des déformations. Nos expériences sur des maillages de la surface corticale du foetus montrent que la stratégie multiéchelle génère des représentations plus naturelles du plissement cortical, ce qui offre des perspectives intéressantes pour l'analyse quantitative de la croissance saine ou anormale du cerveau.

275. Compression des réseaux de neurones convolutifs : l'apport de la décomposition CP régularisée Rima Khouja, Konstantin Usevich, Marianne Clausel, Sebastian MIRON. p. 1097-1100 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les réseaux de neurones convolutifs (CNNs) sont devenus un outil clé dans le domaine de la vision par ordinateur avec l'avènement d'outils de calcul efficaces, notamment les unités de traitement graphique (GPU). L'un des problèmes des CNN est leur grand nombre de paramètres. Ceci induit en effet des coûts de stockage et de calcul importants, ce qui notamment a un impact environnemental non-négligeable. Dans ce papier, nous considérons des réseaux de neurones unidimensionnels et nous proposons une technique de compression basée sur une approximation des tenseurs liés aux couches de convolution. Notre méthode étend les travaux de (Lebedev et al, ICLR 2015), qui a proposé d'utiliser la décomposition CP (CPD) pour compresser les tenseurs convolutionels. L'avantage particulier de la CPD est qu'elle décompose la convolution multidimensionnelle en opérations unidimensionnelles plus simples qui permettent de gagner en temps d'inférence. Nous proposons d'améliorer cet algorithme en introduisant un terme de régularisation. Le problème d'optimisation correspondant est ensuite résolu de manière efficace via un algorithme des moindres carrés alternés.

276. Analyse statistique de signaux acoustiques environnementaux pour la détection d'événements sonores Erwann Betton-Ployon, Abbes Kacem, JEROME MARS, Nadine MARTIN. p. 1101-1104 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La détection d'événements sonores est une étape cruciale dans la caractérisation d'une source de bruit, en vue de calculer sa contribution au sein d'un environnement complexe. Cette détection peut être réalisée avec des techniques d'apprentissage supervisé dont les performances dépendent fortement de la taille et de la qualité de la base d'entraînement. Le travail présenté dans cet article concerne la proposition d'une méthode de détection qui s'appuie sur l'évolution temporelle de quatre critères statistiques. Ces critères sont calculés à partir des niveaux sonores en bandes de tiers d'octave. Ils sont ensuite appliqués pour détecter des ruptures dans le signal, et en déduire la présence d'un événement. La validité des ruptures détectées est étudiée sur une base de signaux sonores. Les résultats illustrent l'intérêt de l'approche proposée. Basés sur l'évolution des moyennes par bande, les critères T² et distance euclidienne semblent adaptés à la détection d'évènements sonores large bande de type ferroviaire. Pour atteindre des performances équivalentes, les critères BIC et Kullback-Leibler nécessitent une restriction de la bande fréquentielle.

277. Structuration de l'espace latent d'un auto-encodeur génératif pour la séparation de courbes de charge khalid khalid, Saïd Ladjal, David Benhaiem, Emmanuel Le-Borgne, Francois ROUEFF. p. 1105-1108 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Récemment, on a assisté à une explosion de la littérature sur les approches de séparation de courbes de charge basées sur l'apprentissage profond. Toutefois, deux obstacles majeurs persistent : garantir la généralisation du modèle et son interprétabilité. Pour répondre à ces enjeux, notre approche \textbf{S-VAE} utilise un modèle d'apprentissage génératif basé sur un autoencodeur variationnel, qui permet de générer des données et de rendre le modèle interprétable grâce à la représentation de son espace latent. Cette méthode permet de capturer les caractéristiques primordiales de la séquence de puissance mixte et de la séparer en plusieurs séquences puissances d'appareils.

278. Retournement temporel et quantification : quel équilibre entre module et phase pour la transmission d'énergie sans fil ? Thomas Chové, Yanis Merakeb, Julien Huillery. p. 1109-1112 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les performances du retournement temporel pour la transmission d'énergie sans fil à travers un milieu de propagation complexe sont étudiées sous une contrainte de quantification des signaux émis. Différentes méthodes de quantification sont utilisées afin de déterminer comment la précision de quantification doit être répartie entre le module et la phase des signaux définis en bande de base. A l'aide de simulations numériques, il est montré qu'un nombre égal de bits doit être alloué au module et à la phase lorsque la quantification est effectuée dans le domaine temporel et qu'un nombre plus important de bits doivent être alloués à la phase lorsque la quantification est effectuée dans le domaine fréquentiel.

279. Étude sur l'inversion de StyleGAN dans un contexte de détection de d'hypertrucages Matthieu Delmas, Amine Kacete, Stephane Paquelet, Simon Leglaive, Renaud Seguier. p. 1113-1116 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Depuis plusieurs années les méthodes de trucage vidéo à base d'intelligence artificielle (hypertrucages) se multiplient. Des modèles d'apprentissage automatique pour la détection existent, mais ils ne fonctionnent de manière optimale que dans un contexte donné, sur des méthodes de falsification précises avec un accès à la bonne base de données d'entraînement. Pour palier ces problèmes, nous proposons de projeter les images suspectes dans un espace de plus faible dimension pour faciliter la mise au point de modèles de détection. Concrètement, nous comparons différentes méthodes d'inversion d'images dans l'espace latent de StyleGAN dans le contexte de la détection d'hypertrucages et nous montrons lesquelles sont les plus performantes en terme de précision ou de temps d'inversion sur la base «DeepFakeDetectionChallenge (DFDC) preview ».

280. Apprentissage Bayésien Semi-supervisé par modélisation Générative Elouan ARGOUARC'H, François DESBOUVRIES, Eric BARAT, Eiji KAWASAKI, Thomas DAUTREMER. p. 1117-1120 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous comparons les modélisations générative et discriminante sous le prisme de la quantification d'incertitude épistémique, et confrontons ensuite les deux approches à la problématique de l'apprentissage semi-supervisé. Nous expliquons que l'approche générative permet de prendre en compte des données non-labelisées dans la modélisation, ce qui est structurellement impossible avec une approche discriminante. Nous proposons enfin un algorithme d'échantillonnage permettant l'apprentissage semi-supervisé et la quantification de l'incertitude épistémique d'un modèle génératif.

281. Exploitation des propriétés de saturation synaptique pour obtenir un neurone à fréquence spécifique Guillaume Marthe, Claire GOURSAUD. p. 1121-1124 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Le principal frein au déploiement l'IoT reste la consommation énergétique des objets connectés. Plus précisément, les micro-contrôleurs consomment trop de puissance. Afin de remédier à ce problème, de nouveaux types de circuits ont été réalisés à partir de neurones à impulsions. Leurs calculs analogiques permettent une réduction drastique de la consommation. Cependant, le domaine de l'analogique rend difficile les opérations séquentielles sur des signaux entrants, nécessaires dans un grand nombre d'applications. Dans cet article, nous proposons d'utiliser un phénomène bio-inspiré appelé Interaction Synaptique afin de produire un filtre temporel. Nous proposons un modèle de synapses qui font que le neurone décharge pour une certaine plage de délais entre deux impulsions reçues, mais ne réagit pas si cet Inter-Spike Timing n'est pas compris dans la plage. Nous étudions les paramètres de ce modèle afin de comprendre comment adapter cette plage d'Inter-Spike Timings. L'originalité de ce papier est de proposer un nouveau moyen d'utiliser des séquences temporelles dans le domaine de l'analogique.

282. Détection a contrario de la double compression vidéo et application préliminaire à la détection de deepfakes Yanhao Li, Marina Gardella, Quentin Bammey, Tina Nikoukhah, Jean-Michel Morel, Miguel Colom, Rafael Grompone von Gioi. p. 1125-1128 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La détection de double compression vidéo peut fournir des indices importants pour récupérer l'historique d'édition et de partage d'une vidéo. En effet, pour manipuler une vidéo, il faut d'abord la décompresser, puis effectuer les éditions désirées et enfin la ré-encoder. Dans cet article, nous proposons une méthode pour détecter la double compression vidéo dans le codec H.264. La méthode proposée détecte la périodicité temporelle des résidus de frame causée par le GoP fixe dans la première compression et valide les détections en utilisant un cadre a contrario pour contrôler le nombre de fausses alarmes. Les expériences montrent la supériorité de notre méthode par rapport à l'état de l'art sans aucun réglage de seuil et son application préliminaire à la détection de deepfakes.

283. Identification robuste de systèmes non linéaires par une décomposition basée dictionnaire dans le contexte de l'épilepsie. Marc Greige, Ahmad Karfoul, Isabelle Merlet, Régine Le Bouquin Jeannès. p. 1129-1132 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, une méthode d'identification robuste de systèmes non linéaires dans le contexte d'épilepsies pharmaco-résistantes est proposée. Elle repose sur la décomposition d'activités cérébrales électriques intracrâniennes sous forme d'une combinaison linéaire de plusieurs signaux élémentaires choisis de façon optimale dans un dictionnaire préalablement défini. Notre approche remédie au problème de solutions parasites que l'on peut rencontrer dans les méthodes d'identification basées sur des dictionnaires. Elle considère l'hypothèse d'une représentation parcimonieuse d'un sous-dictionnaire choisi suivant une technique basée sur la méthode des moindres carrés orthogonaux où les candidats du dictionnaire sont sélectionnés suivant leur importance. Les performances de l'approche proposée sont évaluées sur des données simulées ainsi que sur des signaux cérébraux épileptiques intracrâniens, qui viennent confirmer la pertinence de cette nouvelle approche.

284. Espace latent compact et sémantique pour l'édition désenchevêtrée d'images Gwilherm Lesné, Yann Gousseau, Saïd Ladjal, Alasdair Newson. p. 1133-1136 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les progrès récents dans le domaine des modèles génératifs et en particulier des réseaux antagonistes génératifs (GAN) ont permis des avancées significatives pour l'édition contrôlée d'images. Malgré leur capacité à appliquer des modifications réalistes à une image, ces méthodes peinent souvent à permettre l'édition d'attributs indépendamment les uns des autres, autrement dit à désenchevêtrer ces attributs. Dans cet article, nous proposons un nouvel auto-encodeur latent permettant d'améliorer cette caractéristique, potentiellement applicable à tout GAN pré-entraîné. Nous testons l'approche sur la classique architecture StyleGAN et montrons sa capacité à désenchevêtrer des attributs de visages.

285. Super-résolution pour les lidars vent hétérodynes par approche inverse Théo Martin, Matthieu Valla, Laurent MUGNIER, Pierre Allain, Amélie Lessuise, David-Tomline Michel. p. 1137-1140 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les méthodes de traitement du signal actuellement utilisées limitent la résolution spatiale des mesures de vitesse de vent par lidars hétérodynes. Cette limite en résolution est de l'ordre de cτ (avec c la vitesse de la lumière, et τ la longueur de l'impulsion laser), ce qui correspond à la longueur du volume atmosphérique contribuant à chaque mesure de vitesse. Nous présentons une nouvelle approche par méthode inverse qui permet de franchir cette limite. Celle-ci est fondée sur une modélisation du spectrogramme (concaténation des périodogrammes sur l'ensemble des distances) comme la convolution d'une fonction parcimonieuse 1D par une réponse impulsionnelle 2D. Les simulations montrent une réduction de l'erreur sur la vitesse restituée d'un facteur 3,5 pour cτ = 75 m et une structure de vent de taille 17 m par rapport aux algorithmes actuels.

286. Utilisation de processus ponctuels déterminantaux pour la sélection de parents dans un algorithme génétique : application à l'aide multi-critère à la décision Miguel Guzmán, Kadriye Nur Bakirci, Martin Rouesne, Hélène Savatier-Dupré, Bastien Pasdeloup, Patrick Meyer. p. 1141-1144 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'aide multi-critère à la décision est un domaine de recherche visant à fournir à des décideurs des outils permettant d'offrir une assistance à la décision à partir de données multivariées. Parmi ces outils, le modèle Ranking with Multiple Profiles (RMP) permet d'ordonner un ensemble d'alternatives, en les comparant deux à deux à des profils de référence. La configuration optimale d'un tel modèle peut se montrer complexe au vu des multiples paramètres mis en jeu. Des travaux ont montré l'intérêt d'algorithmes génétiques pour la détermination des paramètres de ce modèle. Ces algorithmes visent à faire évoluer une population de solutions par une suite d'opérateurs de croisement et de mutation entre des solutions parentes, pour produire des solutions enfants. Toutefois, les algorithmes génétiques ont tendance à converger vers une population de solutions très homogène. Dans ce contexte, nous avons choisi d'étudier l'apport des Processus Ponctuels Déterminantaux (DPP) dans la sélection des parents. Ces modèles probabilistes permettent un échantillonnage aléatoire au sein de la population de solutions, avec des propriétés de diversité entre les solutions choisies.

287. Déconvolution, débruitage et correction de la distorsion axiale pour des images de microscopie à feuillet de lumière Adrien Julia, Rabah Iguernaissi, François Michel, Valery Matarazzo, Djamal Merad. p. 1145-1148 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La microscopie fluorescente à feuillet de lumière (LSFM) est utile pour les neurobiologistes, mais peut induire des artefacts sur les volumes reconstruits en 3D. Un pipeline en trois étapes est proposé pour améliorer la qualité des images slice par slice. Il comprend un algorithme de déconvolution 2D, un rehaussement automatique du contraste et un auto-encodeur de débruitage convolutionnel pour supprimer le bruit. De plus, une approche nouvelle est proposée pour résoudre le problème de distorsion axiale en utilisant un auto-encodeur entraîné sur des images de billes de calibration. Ce pipeline améliore la compréhension des images biologiques en dépassant les méthodes existantes.

288. Analysis of scale invariance in nonuniformly sampled processes Stéphane G. Roux, Janka Lengyel, Ptashanna Thiraux, Stéphane Jaffard, Olivier Bonin, Patrice Abry. p. 1149-1152 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons une méthode d'estimation d'exposants d'invariance d'échelle pour des processus portés par des supports lacunaires ou non-homogènes. Son originalité est de permettre d'extraire des informations relatives à un large éventail d'échelles spatiales et temporelles sans qu'il soit nécessaire d'extrapoler le processus en dehors de son support. À partir de données synthétiques (mouvement brownien fractionnaire restreint à un support obtenu comme distributions de Poisson), nous comparons l'approche proposée à l'analyse d'invariance d'échelle classique, appliqués aux mêmes données après extrapolation des donnés manquantes sur une grille régulière et homogène.

289. Une approche pour l'analyse granulométrique de particules condensées sur des images en niveaux de gris Antoine Bottenmuller, Léo Théodon, Johan Debayle, Daniel Tobón Vélez, Mallorie Tourbin, Christine Frances, Yann Gavet. p. 1153-1156 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Résumé – ImageJ Particle Sizer est probablement l'un des outils les plus utilisés pour effectuer une analyse granulométrique sur des images en niveaux de gris. Bien qu'il s'agisse d'une méthode de segmentation performante pour des cercles bien distincts, elle produit une sur-segmentation lorsqu'elle est appliquée à des images dans lesquelles les grains sont condensés et se chevauchent. Dans cet article, nous proposons un nouvel algorithme de segmentation, la Méthode d'Analyse de Courbure (Curvature Analysis Method - CAM), pour faire face à ce problème. Un modèle stochastique de simulation de grains a été développé pour comparer la précision de la Distribution des Tailles des Particules (PSD) issue de la CAM à celle issue d'ImageJ, par rapport à la vérité terrain des images simulées. Ces deux méthodes sont ensuite appliquées à un ensemble d'images réelles de particules de maltodextrine synthétisées, et comparées à la PSD donnée par Diffraction Laser (DL). Les résultats montrent finalement que la CAM fournit des distributions plus justes qu'ImageJ sur les images simulées, et que la DL fournit une PSD loin de la vérité sur les images réelles. Abstract – ImageJ Particle Sizer is probably one of the most known and used tools to perform a granulometric analysis in gray-scale images. Although it is a high-performance segmentation method for well separated circles, it produces over-segmentation when applied on images in which the grains are condensed and overlapping. In this paper, we propose a new segmentation algorithm, the Curvature Analysis Method (CAM), to face the problems raised by such images. A stochastic grains simulation model has been developed to compare the accuracy of the CAM's Particle Size Distribution (PSD) to the ImageJ's one, regarding the ground truth of simulated images. They are then applied on a provided set of real images of synthesised maltodextrin particles, and compared to the PSD given by Laser Diffraction (LD). The results finally show that the CAM provides much more accurate results than the CHT does on simulated images, and that the LD technique can not be considered as trustworthy as it gives a PSD far from the truth.

290. Estimation de barycentres sur variétés de Stiefel : une approche par projection Nils Laurent, Florent Bouchard, Salem Said, Nicolas LE BIHAN. p. 1157-1160 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous nous intéressons à l'estimation du barycentre d'un ensemble de points sur la variété de Stiefel. Les méthodes de la litérature se basent sur des approximations d'opérations permettant de passer localement de la variété au plan tangent (rétraction et rétraction inverse) et proposent des algorithmes itératifs pour obtenir le centroïde d'un échantillon. Nous proposons l'utilisation d'une projection en place de l'opération de rétraction inverse et démontrons que la solution de l'équation de point fixe associée est donnée par une expression analytique, qui correspond simplement à la projection de la moyenne extrinsèque sur Stiefel. Une validation numérique montre la robustesse de notre approche ainsi que son faible coût calculatoire.

291. Détection non supervisée de motifs sur séries temporelles Thibaut GERMAIN, Alexandre Bois, Charles Truong, Brian Tervil, Laurent Oudre. p. 1161-1164 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous présentons un nouvel algorithme de détection de motifs dans des séries temporelles. Il utilise un graphe pour quantifier la similarité entre chaque pair de sous-séquences d'un signal, puis des outils d'analyse topologique de données permettant de reconstruire les motifs à partir du graphe sans en connaître le nombre a priori.

292. Cartographie du canal par réduction de dimension et réseaux triplets Taha Yassine, Luc Le Magoarou, Baptiste Chatelier, Stéphane Paquelet, Matthieu Crussière. p. 1165-1168 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La cartographie du canal est une technique émergente dont le but est d'apprendre à partir des canaux estimés une carte sur laquelle des utilisateurs proches spatialement apparaissent proches également. Contrairement aux méthodes classiques de localisation, la cartographie se veut non-supervisée. La méthode proposée se base sur une mesure de distance adaptée aux vecteurs de canaux. L'exploitation de cette mesure de distance permet de structurer un réseau de neurones dit basé sur un modèle. Initialisé de manière intelligente, ce réseau est par la suite entraîné en mode triplet pour permettre d'améliorer ses performance. Ses performances sont évaluées sur une base de données de canaux synthétiques générée grâce à l'outil Sionna.

293. Génération de signaux anonymes à partir de données non anonymes par modèle de mélange linéaire local Alban-Félix Barreteau. p. 1169-1172 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'objet de cette communication est de proposer une technique de génération de signaux synthétiques anonymes à partir d'une base de données non-anonyme. La méthode adoptée consiste à construire un modèle statistique dans lequel chaque signal de la base de données initiale est représenté comme un mélange linéaire de ses voisins. Ce modèle génératif est ensuite utilisé pour simuler un ensemble de signaux synthétiques différents de ceux de la base de données initiale mais contenant toutes les informations nécessaires pour son exploitation. La qualité de la base de données simulée est quantifiée par des mesures et d'utilité et de vie privée. Cette technique est appliquée à une base de signaux ECG réels.

294. Récepteur multiutilisateur basé sur l'apprentissage profond pour améliorer la liaison montante dans les réseaux LoRa Angesom Ataklity Tesfay, Mohammed Mallik, Eric Pierre Simon, Laurent CLAVIER. p. 1173-1176 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente un schéma de réception multiutilisateur basé sur l'apprentissage profond pour améliorer la liaison montante dans le réseau LoRa. Le récepteur proposé peut décoder les transmissions simultanées de plusieurs utilisateurs sur le même canal radio avec le même facteur d'étalement. L'objectif de l'approche proposée est de réduire la complexité de calcul élevée et les problèmes de propagation d'erreur de la méthode SIC classique. Chaque étape utilise un modèle de réseau neuronal convolutionnel spécifique pour décoder directement le signal de chaque utilisateur. Les résultats de la simulation montrent que le récepteur proposé réduit considérablement la propagation des erreurs et augmente le nombre de dispositifs connectés dans le réseau par rapport aux schémas SIC classique.

295. Application de la factorisation en matrices non-négatives à la séparation de sources acoustiques dans le bruit de turbomachines Sarah ROUAL, Claude SENSIAU, Gilles Chardon. p. 1177-1180 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans cet article, nous présentons une méthode de séparation de sources acoustiques basée sur la factorisation en matrices non-négatives (NMF). Nous introduisons une méthode de régularisation pour améliorer la qualité de la séparation dans des situations où des sources sont masquées. Nous appliquons cette méthode à un corpus de bruits large bande de turbomachines simulés, où se superposent les bruits de soufflante amont, aval, de combustion et de jet. Les résultats montrent qu'un a priori sur la forme spectrale de la source masquée permet à la régularisation d'améliorer significativement les résultats.

296. Un algorithme matriciel pour le calcul des composantes connectées d'un réseau complexe temporel Rémi Vaudaine, Pierre Borgnat, Paulo GONCALVES, Remi GRIBONVAL, Márton KARSAI. p. 1181-1184 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les interactions temporelles par paires peuvent être représentées par des réseaux temporels. Les processus dynamiques, tels que la propagation d'épidémies ou les cascades d'informations, qui évoluent sur ces réseaux, sont contraints à respecter sa structure. En effet, un noeud du réseau ne peut pas affecter plus de noeuds qu'il ne peut atteindre selon l'ordre des interactions. Cet ensemble de noeuds atteignables est appelé la composante sortante et son calcul est coûteux. Nous proposons un algorithme matriciel efficace pour résoudre ce problème et nous montrons qu'il est plus performant que l'état de l'art.

297. Algorithme EM régularisé PIERRE HOUDOUIN, FREDERIC PASCAL, MATTHIEU JONCKHEERE, ESA OLLILA. p. 1185-1188 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'algorithme Expectation-Maximization (EM) est un algorithme itératif, notamment utilisé pour estimer les maximum de vraisemblance de données issues d'un modèle de mélange gaussien (GMM). Lorsque la taille de l'échantillon des données est proche de leur dimension, les estimations successives de la matrice de covariance peuvent être singulières ou mal conditionnées, entraînant une baisse des performances. Nous présentons dans ce papier une nouvelle version régularisée de l'algorithme EM adapté au cas où le rapport entre taille de l'échantillon et la dimension est faible. Cette méthode maximise une version pénalisée de la vraisemblance de l'algorithme EM-GMM qui assure que les covariances soient toujours définies positives. Des tests sur données réelles illustrent enfin l'intérêt de cette approche pour un problème de

298. Apprentissage supervisé et contrastif de représentations à l'aide de réseaux siamois pour la classification hiérarchique ILYASS MOUMMAD, Nicolas FARRUGIA. p. 1189-1192 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous proposons une nouvelle fonction de coût pour l'apprentissage supervisé de représentations, inspiré de la méthode auto-supervisée SimSiam. L'extension que nous proposons SupSiam permet d'apprendre de meilleures représentations en incorporant l'information des labels. Nous étendons SupSiam au cadre des classes hiérarchiques en introduisant HierSupSiam. Nous expérimentons sur le dataset CIFAR-100 avec les modèles ResNet18 et ResNet50. Nos expériences montrent que l'apprentissage d'un simple classifieur linéaire sur les représentations apprises par notre approche obtient des performances supérieures à l'apprentissage classique par l'entropie croisée quand la capacité du modèle est grande.

299. Sequential filtering of ultrasonic signals based on Gabor representation with application to rail inspection Quentin Mayolle, Philippe Vanheeghe, Francis Sabatier. p. 1193-1196 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présente une méthodologie pour l'étude séquentielle des signaux ultrasonores mesurés sur des rails. L'approche se base sur une décomposition parcimonieuse en ondelettes de Gabor, couplée à du filtrage statistique sur Ensembles Finis Aléatoires. Un exemple simulé montre la viabilité de la méthode, avant d'appliquer celle-ci à des signaux réels obtenus sur un rail endommagé en laboratoire, à partir de capteurs générant des ondes de surface de Rayleigh.

300. Implémentation FPGA optimisée de Q-Learning Marouane BEN-AKKA, Camel Tanougast, Camille DIOU, Harry ramenah. p. 1197-1200 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article présent un accélérateur matériel dédié aux algorithmes d'apprentissage par renforcement Q- Learning, basé sur une architecture optimisée de gestion interne des données de la Matrice-Q en utilisant des mémoires intégrées LUTRAM fonctionnant en mode FIFO écriture synchrone/lecture asynchrone. Comparativement à des travaux antérieurs, les résultats d'implémentation sur cible FPGA Xilinx Zynq UltraScale+ MPSoC ZCU104 montrent que l'architecture proposée, traitant des données matrice Q de taille 16 bits, un nombre d'actions Z=4 et différents scénarios selon un nombre d'états, nécessite une consommation dynamique maximale de 46 mW, une réduction de ressources jusqu'à 37 % de LUTRAM et 76 % de FF pour une fréquence maximale de 168MHz. L'architecture a été validée dans l'application du jeu de Labyrinthe (environnement de taille 2x3) avec une fréquence maximale de 74 MHz tout en nécessitant uniquement 202 slices LUT et 102 slices register avec la technologie FPGA Virtex-6 ML605.

301. Echantillonnage basé sur l'entropie pour l'apprentissage en continu avec l'approche Move-to-Data sur la vidéo Meghna P AYYAR, Jenny BENOIS-PINEAU, Akka ZEMMARI. p. 1201-1204 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'entraînement des réseaux de neurones profonds repose sur des corpus volumineux de données annotées. Cependant, les données peuvent changer au fil du temps. L'apprentissage continu est un type d'apprentissage incrémental où les réseaux profonds apprennent séquentiellement au fil de l'eau. Dans cet article, nous proposons des critères de sélection de données basés sur l'incertitude pour améliorer notre précédente méthode d'apprentissage en continu : la méthode Move-to-Data (MTD). La nouvelle approche appelée EMTD est basée sur le calcul d'entropie. Nous utilisons un réseau de type \emph{Transformer} pour analyser MTD, EMTD et leurs variantes. Nous comparons les performances d'EMTD avec MTD et une méthode populaire d'apprentissage continu. EMTD est capable de surpasser la méthode de base MTD, et EMTD avec re-ajustement obtient des résultats proches de ceux de la méthode de l'état de l'art tout en étant environ 1.2 fois plus rapide.

302. Démélange, déconvolution et débruitage conjoints d'un modèle convolutif parcimonieux avec dérive instrumentale, par pénalisation de rapports de normes ou quasi-normes lissées (PENDANTSS) Paul ZHENG, Emilie CHOUZENOUX, Laurent DUVAL. p. 1205-1208 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Les tâches de débruitage, de filtrage de tendance et de déconvolution sont traditionnellement découplées. Les formulations conjointes se révèlent souvent des problèmes inverses compliqués, mal posés. Nous proposons PENDANTSS pour l'isolation conjointe de tendance et la déconvolution, pour des signaux parcimonieux formés de pics. Il fusionne un a priori de parcimonie avec l'hypothèse qu'une tendance lisse et le bruit de mesure peuvent être séparés par un filtrage passe-bas. Pour ce faire, nous combinons l'algorithme de séparation de sources ternaire BEADS à des pénalités SOOT/SPOQ en rapports de normes ou quasi-normes ℓp/ℓq, promotrices de parcimonie. Un nouvel algorithme efficace est proposé, de type forward-backward alterné par blocs à métrique variable avec région de confiance. Il se révèle supérieur à des approches concurrentes pour des mesures classiques appliquées à la chimie analytique. Le code associé est mis à disposition : https://github.com/paulzhengfr/PENDANTSS.

303. Élimination des conditions extérieures fondée sur la physique : normalisation adaptative de données pour la surveillance santé Maxime Leiber, Yosra Marnissi, Sébastien Razakarivony, Dong Quan Vu, Dohy Hong, Massoulié Laurent. p. 1209-1212 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article propose une nouvelle méthode de prétraitement pour normaliser les grandeurs physiques mesurées et indicateurs d'un système physique, en fonction des conditions externes (opérationnelles et environnementales). Notre approche transforme ces variables en variables corrigées qui capturent le comportement interne du système tout en éliminant l'impact des variables externes sur ce comportement. Nous démontrons l'efficacité de notre approche à travers deux expériences sur des données aéronautiques. Notre normalisation comme prétraitement permet l'utilisation de données cohérentes pour l'analyse et la prédiction dans différentes conditions, améliorant ainsi l'exactitude et la fiabilité des systèmes de surveillance santé en mécanique.

304. Contrôle de fiabilité dans les réseaux IoT avec un mélange exponentiel d'interférence. Mamadou NGOM, Laurent CLAVIER, Malcolm Egan. p. 1213-1216 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans un contexte de faible latence et de forte densité d'objets connectés, assurer une coordination globale du système n'est pas réaliste. Dans ces conditions, l'interférence peut varier de façon très significative d'un paquet à un autre. Nous proposons une méthode pour choisir un schéma de communication robuste dans ce type d'environnement. Pour cela, nous modélisons l'interférence par un mélange d'exponentielles. Pour fiabiliser l'estimation des paramètres du mélange, nous utilisons une méthode de bootstrap. Ceci nous permet de choisir les paramètres de la transmission afin d'assurer une probabilité de succès sur les paquets transmis.

305. The improved Autogram via Gini index: Real application to the vibratory surveillance and diagnostic of wind turbine generator Sharaf Eddine Sharaf Eddine, Hugo ANDRE, Eric BECHHOEFER, Mounir SAYADI. p. 1217-1220 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Envelope analysis is one of the most useful approaches for bearing diagnostics, but obtaining an appropriate frequency band for demodulation has been a major challenge for a long time. Spectral Kurtosis and Kurtogram are commonly used to address this issue, but they can fall short in situations where the Signal to Noise Ratio is too low or in the presence of non-Gaussian noise, thereby reducing their performance. To solve this issue, this work investigates two versions of the Autogram: one (close to the original) using kurtosis and the other using the Gini Index, with the aim of comparing their ability to detect impulsive content. Both methods take advantage of the high levels of second-order cyclostationarity present in vibration data from bearings, particularly in the presence of mechanical faults. The comparison was made on real experimental vibration data from a Suzlon S88 wind turbine generator with a 2 MW power generation capacity.

306. Vers une approche inclusive de description multimédia pour le patrimoine Lilia DJOUSSOUF, Katerine ROMEO, Abdderahim ELMOATAZ. p. 1221-1224 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Rendre accessible le patrimoine culturel pour créer un espace public inclusif est un enjeu majeur pour les institutions telles que les musées. Les avancées techniques en vision par ordinateur, et apprentissage automatique montrent actuellement des évolutions possibles. Dans cette optique, cet article cherche à établir une chaîne de traitements possibles se basant sur la perception visuelle de personnes à vue normative pour l'extraction d'informations sémantiquement importantes. L'application porte sur des images issues de la Tapisserie de Bayeux. Ces zones saillantes sémantiquement importantes peuvent être adaptées sur un dispositif haptique, nommée F2T (force feedback tablet) à travers l'extraction de contours multi-échelles. Enfin, une piste sur l'utilisation d'un modèle récent de diffusion latente permettant de générer des effets sonores à partir d'une description est évoquée.

307. Théorème d'approximation pour les neurones hypersphériques Julien de Saint Angel, Christophe Saint-Jean. p. 1225-1228 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article établit un théorème d'approximation pour un réseau de neurones à une couche hypersphérique. Pour cela, nous écartons de la démonstration classique et utilisons un théorème de Schwartz basé sur une combinaison linéaire de translations. Ce théorème d'approximation n'est pas universel dans le sens où les fonctions à approcher comme les activations doivent être à support compact. Également, nous établissons le lien entre un réseau à couche hypersphérique et un réseau à de fonctions à bases radiales. Des expériences ont permis de vérifier le théorème et de comparer les approximations par couche sphérique et par couche dense. Par ailleurs, celles-ci ont également permises d'établir expérimentalement que les conditions de compacité sur les fonctions d'activations sont suffisantes mais non nécessaire. Ceci ouvre la voie à une approche plus classique du théorème d'approximation universelle pour alléger les hypothèses sur la nature des fonctions que l'on peut approximer.

308. Dématriçage basé sur un modèle du motif Sparse3 Matthieu Muller, Daniele Picone, Mauro Dalla Mura, Magnus Orn Ulfarsson. p. 1229-1232 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Dans les caméras usuelles, les pixels sont placés sous une couche de filtres spectraux suivant un motif spatial pré-défini. Le dématriçage consiste à restaurer une image multispectrale à partir de l'acquisition du capteur, retrouvant les informations spectrales perdues par les filtres. Cependant cette opération est souvent spécifique aux motifs RVB communs comme les motifs de Bayer ou de Quad-Bayer, laissant de côté d'autres motifs moins connus mais commercialement utilisés. Ce travail présente un cadre général pour le dématriçage de tels motifs en utilisant un modèle prédéfini. Des résultats préliminaires sont aussi présentés, appliqués au motif Sparse3.

309. Expliquer la classification d'expression de gènes par la méthode des gradients intégrés Myriam Bontonou, Jean-Michel Arbona, Benjamin Audit, Pierre Borgnat. p. 1233-1236 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Au cours des dernières années, divers réseaux de neurones ont été entraînés à différencier des tissus sains et pathologiques avec précision en utilisant des données d'expression de gènes. Ces modèles prédictifs contiennent très probablement des informations sur les mécanismes moléculaires induisant un état pathologique. Il est donc utile d'expliquer comment leurs décisions sont prises. Plusieurs méthodes permettent d'évaluer l'importance de la contribution de chacun des gènes d'un échantillon à sa classification comme sain ou pathologique. Cependant, un tel classement des gènes n'est pas nécessairement directement interprétable. Dans ce contexte, nous explorons des métriques évaluant la pertinence des classements générés par la méthode des gradients intégrés sur des données d'expression de gènes issues de l'Atlas du Génome du Cancer et sur des données simulées.

310. Exploration de deux stratégies de décomposition tensorielle sous contrainte parcimonieuse pour la localisation de sources épileptiques Ahmad Karfoul, Amar Kachenoura, Majd Saleh, Isabelle Merlet, Laurent Albera. p. 1237-1240 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Environ 25% des épilepsies sont pharmaco-résistantes et nécessitent un traitement chirurgical visant à réséquer la zone épileptogène. La délimitation de cette zone est primordiale pour les patients. Identifier la position et l'étendue spatiale des sources épileptiques dites distribuées à partir de signaux ElectroEncéphaloGraphiques (EEG) est un problème inverse mal posé. Notre groupe de travail a proposé une méthode basée sur la Décomposition Canonique Polyadique (CPD) de tenseurs tridimensionnels Espace x Temps x Pointes (ETP) de pointes épileptiques construits à partir de données EEG. Cette méthode propose une stratégie algorithmique dite découplée, i.e. en deux étapes successives : (i) estimation du vecteur directeur représentant chaque source distribuée par DCP du tenseur ETP construit à partir des données EEG et (ii) estimation du vecteur directeur élémentaire de chaque dipôle électrique constituant les dites sources distribuées par codage parcimonieux des vecteurs directeurs estimés à l'étape précédente. Nous proposons ici d'explorer une nouvelle stratégie dite couplée qui combine en une seule étape les deux étapes précédentes. Les résultats montrent la supériorité des méthodes proposées par rapport aux méthodes classiques. En ce qui concerne les deux stratégies, couplée vs découplée, les résultats obtenus dans notre contexte, sont équivalents en termes de qualité de localisation, mais témoignent d'un léger gain en vitesse d'exécution pour la stratégie couplée.

311. Récepteur radio-logicielle efficace pour la démodulation de trames DCSS Bertrand LE GAL, Guillaume FERRE. p. 1241-1244 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Nous présentons dans cet article les premiers résultats de la mise en œuvre d'une forme d'onde de type LoRa intégrant un codage de données différentiel [1] qui rend l'estimation du décalage temporel indépendant du décalage fréquentiel. Cela permet également d'améliorer l'efficacité du récepteur LoRa en réduisant la sensibilité aux erreurs de synchronisation temporelle, mais également de rendre la démodulation insensible aux variations Doppler. Cette dernière caractéristique est particulièrement intéressante pour les communications par satellite en orbite basse. Les résultats d'implantation sur une cible ARM Cortex A72 montrent qu'il est encore possible d'améliorer le récepteur proposé en augmentant la complexité calculatoire du récepteur et en gardant un aspect temps réel. Cet article décrit les évolutions algorithmiques, les gains obtenus et les conséquences sur l'implémentation de la station de base en termes de (a) stations de base autonomes (ARM A72) et (b) stations de base centralisées de type Cloud-RAN (INTEL Xeon).

312. Comparaison de solutions à base d'ondelettes spatiales pour le problème inverse M/EEG Samy MOKHTARI, Jean-Michel BADIER, Christian Bénar, Bruno Torrésani. p. 1245-1248 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article décrit de nouvelles approches au problème inverse M/EEG intégrant une pénalisation favorisant la parcimonie dans un domaine d'ondelettes spatiales. Il compare des versions variationnelles (minimisation d'une attache aux données quadratique, avec régularisation favorisant la parcimonie) et Bayésiennes (sparse Bayesian learning) avec des approches plus classiques. Des résultats numériques (données simulées et réelles) montrent la capacité de ces approches à bien estimer des activités cérébrales localisées dans des régions étendues, tant en termes d'erreur de localisation que d'erreur sur l'amplitude des sources.

313. A Novel No-Reference Point Clouds Quality Metric using Transformer Similar Architecture Marouane Tliba, Aladine Chetouani, valenzise Giuseppe, dufaux frederic. p. 1249-1252 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Avec l'augmentation de la popularité des expériences immersives, le nuage de points est devenu la méthode préférée pour représenter les médias 3D. Cependant, il existe plusieurs distorsions potentielles qui peuvent affecter le contenu 3D tout au long des processus d'acquisition et de rendu. De plus, la transmission efficace de contenu volumétrique sur des systèmes de communication traditionnels peut avoir un impact négatif sur la qualité perçue du contenu livré. Pour évaluer avec précision l'étendue de cette dégradation, des métriques de qualité sont nécessaires. Ce travail présente une nouvelle métrique de qualité sans référence basée sur l'apprentissage profond qui peut évaluer le nuage de points directement, sans nécessiter de pré-traitement important. Cette métrique peut être utilisée pour une évaluation en temps réel à la fois au niveau de la transmission et du rendu. Notre approche proposée utilise une conception de modèle novatrice qui comprend des couches d'attention croisée et d'auto-attention pour apprendre les affinités sémantiques locales et maintenir la combinaison optimale d'informations de géométrie et de couleur à plusieurs niveaux, de l'extraction de fonctionnalités de base à la modélisation de représentation profonde.

314. Réseaux de neurones convolutifs profonds pour la détection et la localisation de navires sur des images satellitaires Jean-Jacques SZKOLNIK, Abdel BOUDRAA. p. 1253-1256 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

La surveillance maritime est un enjeu stratégique à la fois économique, environnemental et sécuritaire. Elle fait appel à des données satellitaires. Les flux de données sont colossaux et l'automatisation de l'interprétation des données est devenue indispensable. Dans ce travail on s'intéresse à la surveillance maritime par la détection automatique des navires à partir d'images satellites. Nous proposons une solution basée sur les réseaux de neurones convolutifs profonds pour évaluer l'apport potentiel de ces techniques à la surveillance maritime. L'architecture U-Net du réseau mis en oeuvre a été initialement développée dans le milieu médical afin d'effectuer la segmentation sémantique d'images. Ce type de réseau est particulièrement adapté à une segmentation comportant deux classes, ce qui correspond à la problématique de détection de navires. Les résultats obtenus, à partir d'un réseau dimensionné en fonction de nos moyens matériels notamment nous encouragent à poursuivre dans cette voie.

315. Approche géométrique de l'inversion du transfert radiatif par petits fonds Mounadi ABDILLAH ALI TOIHIRI, Guillaume SICOT, Isabelle Quidu. p. 1257-1260 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article propose une alternative à la formulation classique du problème d'inversion du modèle de transfert radiatif, en dissociant l'estimation des paramètres de la colonne d'eau de l'estimation du spectre du fond. Pour ce faire, une représentation géométrique du problème d'inversion est introduite. Elle permet de décomposer l'estimation en deux problèmes d'optimisation successifs. Cette approche ouvre la possibilité d'exploiter pleinement toute la diversité des types de fond observés.

316. Architecture efficiente de Transformer pour l'acquisition d'image à grande dynamique sur système léger. Steven Tel, Barthélémy Heyrman, Dominique Ginhac. p. 1261-1264 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'imagerie à haute gamme dynamique (HDR) reste un défi pour la photographie numérique moderne. Les récentes recherches proposent des solutions d'acquisition HDR de haute qualité, mais au prix d'un grand nombre d'opérations et d'un temps d'inférence très long empêchant la mise en œuvre de ces solutions sur des systèmes légers. Nous proposons une nouvelle architecture efficiente de Transformer pour l'acquisition d'image HDR basée sur un module d'attention additive. À notre connaissance, notre solution est la première architecture Transformer pour l'imagerie HDR pouvant être exécutée sur système léger. En réalisant des comparaisons qualitatives et quantitatives de notre réseau avec l'état de l'art, nous démontrons que notre réseau produit des résultats compétitifs en terme de qualité tout en étant plus rapide que l'état de l'art. Les résultats expérimentaux montrent que notre méthode obtient un score μ-PSNR de 44,13 sur le jeu de données de référence proposé par Kalantari et al. [ 2] et peut être exécuté à 11images par seconde en utilisant un processeur neural Apple M1.

317. Détection automatique des anomalies pour l'analyse multifractale Merlin Dumeur, Philippe Ciuciu. p. 1265-1268 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

L'analyse multifractale étudie les propriétés d'invariance d'échelle de séries temporelles et a trouvé des applications dans un large éventail de domaines. Nous motivons la recherche de valeurs aberrantes pour l'analyse multifractale (MFA) en montrant qu'en neurosciences, où l'adoption de la MFA est à la traîne, il existe de nombreuses sources potentielles de bruit impulsif qui perturbent significativement les estimations. Nous introduisons une méthode itérative pour identifier les valeurs aberrantes dans les séries temporelles, basée sur l'hypothèse que le processus sous-jacent est multifractal, et qui s'appuie sur le formalisme wavelet p-leader. Nous montrons qu'elle améliore l'estimation des paramètres multifractaux de signaux bruités, ainsi que sur un enregistrement EEG intracrânien.

318. Que la transition écologique soit, et la transition numérique fut. Marie Garin, Achille Baucher. p. 1269-1272 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article discute la rhétorique promouvant le numérique au nom de son rôle supposément capital dans le développement durable, à l'aune du processus sociotechnique de constitution des savoirs liés à la quantification des Impacts Environnementaux du Numérique (IEN). Revenant sur les conditions historiques et sociales qui ont animé l'idée d'un numérique au service de l'écologie à travers le concept du découplage entre croissance économique et dégradations environnementales, nous souhaitons inviter la communauté scientifique à une réflexion collective quant à la pertinence de ses recherches face à l'urgence écologique.

319. Apprentissage multitâche en grande dimension : classification basée sur les covariances Cyprien Doz, Malik TIOMOKO, Chengfang Ren, Jean-Philippe OVARLEZ. p. 1273-1276 Accès libre Résumé Télécharger l'article au format pdf Exporter la citation au format bibTeX

Résumé

Cet article étudie le comportement asymptotique du Kernel Least Square Support Vector Machine dans le contexte de l'apprentissage multi-tâches pour des modèles de mélange gaussien en grande dimension avec de nombreux échantillons. La performance asymptotique de l'algorithme, validée sur des données synthétiques et réelles, met en évidence la relation entre les statistiques des données, les covariances en particulier, dans chaque tâche ainsi que les hyperparamètres reliant les tâches entre elles. Plus important encore, l'analyse permet d'améliorer la méthode en optimisant les labels.