mai 26

Réunion le 9 juillet Ecole Mines Douai

Présentation

Communication de S. Rousseau qui sera présentée à ICIP 2015

Bilan et Perspectives du projet

Voici les livrables initialement prévus: Objectifs

6 réunions ont été menées en 2014-2015 et une partie des objectifs ont été atteints.

A faire pour 2015-2016

– Description des bases de textures Outex et A lot
qui ont été mises en place

– Présentation de la boite à outils actuellement développée pour tester les méthodes de suivi d’objets

– Exploitation de boites à outils d’optimisation (SPAMS) pour résoudre nos problématiques
(dématriçage, classification de textures, clustering, apprentissage, suivi d’objets)

Présentations pour 2015-2016

– L’apprentissage parcimonieux en ligne par M. SAYED-MOUCHAWEH (EMD)
– Dématriçage multi-spectral par S. Mihoubi (Lille1-CRIStAL)
– Attributs de texture couleur par Vinh (ULCO-LISIC)
– Séminaire de Pr Abdenour Hadid de l’Université de Finlande

avr 08

Réunion le 20 mai ENSAIT

Programme de la réunion en salle I 202

Personnes à Mobilité Réduite: quelques exemples de recherche présenté par Frédéric VANDERHAEGEN
slides de la présentation

Multivariate temporal dictionary learning for EEG
Q. Barthélemy and C. Gouy-Pailler and Y. Isaac and A. Souloumiac and A. Larue and J.I. Mars
Journal of Neuroscience Methods 2013
« DOI de l’article »
présenté par François Cabestaing
slides de la présentation

Contribution to manifold learning – Application to visual data – Thèse de Doctorat de Bosaghzadeh
« partie 1 du pdf de la thèse »

« partie 2 du pdf de la thèse »

présenté par Denis Hamad

fév 22

Réunion le 24 mars à Université du Littoral

Programme prévisionnel de la réunion

Sparse coding based visual tracking: Review and experimental comparison,
Zhang, Shengping and Yao, Hongxun and Sun, Xin and Lu, Xiusheng
IEEE Transactions on Image Processing 2013
« doi de l’article »
présenté par Christelle Garnier et Sylvain Rousseau

slides de la présentation

Texture Classification from Random Features,
Li Liu and Fieguth, P.W.,
IEEE Transactions on Pattern Analysis and Machine Intelligence, 2012
« doi de l’article »
présentée par Nicolas Vandenbroucke

slides de la présentation

Prochaine réunion: Représentation parcimonieuse pour l’analyse de signaux biologiques
présenté dans une prochaine réunion par François Cabestaing

nov 12

Réunion à l’Université Lille 1 le 12 janvier 2015

Réunion 12 janvier 13h30-17h30 à Lille

Etude Bibliographique sur représentation parcimonieuse et problématiques scientifiques spécifiques 

Voici les 3 présentations

1. Compressive framework for demosaicing of natural images,
A. A. Moghadam, Mohammad Aghagolzadeh, M. Kumar, and H. Radha,
IEEE Transactions on Image Processing, vol. 22, issue 6, pp. 2356-2371, 2013
« doi de l’article »
détaillé dans
Color Image Reconstruction via Sparse Signal Representation, Mattia Rossi
« Master Thesis en pdf »

présenté par Olivier Losson slides de la présentation

2. J. Jiao, X. Mo and C. Shen. Image clustering via sparse representation. In Advances in Multimedia Modeling, LNCS, Volume 5916, pp 761-766, 2010.
S. Yan and H. Wang. Semi-supervised learning by sparse representation. Proceedings of the 2009 SIAM International Conference on Data Mining. 792-801. http://dx.doi.org/10.1137/1.9781611972795.68

présenté par D. Hamad slides de la présentation

3. Classification des textures par analyse des LBP couleur

présenté par A. Ledoux slides de la présentation

Présentations de la prochaine réunion

Sparse coding based visual tracking: Review and experimental comparison,
Zhang, Shengping and Yao, Hongxun and Sun, Xin and Lu, Xiusheng
IEEE Transactions on Image Processing 2013
« doi de l’article »
présenté par Christelle Garnier et Sylvain Rousseau

Texture Classification from Random Features,
Li Liu and Fieguth, P.W.,
IEEE Transactions on Pattern Analysis and Machine Intelligence, 2012
« doi de l’article »
présenté par Nicolas Vandenbroucke

Représentation parcimonieuse pour l’analyse de signaux biologiques
présenté par François Cabestaing

nov 04

Réunion à l’Université Lille 1 le 4 novembre 2014

La réunion du projet REPAR s’est déroulée salle 005 Rez-de Chausée du bâtiment P2 [1].

Présents:

Ludovic Macaire,(Lille 1)), Olivier Losson (Lille1), Christelle Garnier( Telecom Lille1), Nicolas Vandenbroucke (ULCO), Jacques Boonaert (EM Douai), Denis Hamad (ULCO), Benjamin Mathon (Lille1), Sylvain Rousseau (EC Lille), Pascal Bruniaux (ENSAIT), Audrey Ledoux (Lille1), François Cabestaing (Lille1)

Excusés:
Mouchaweh Moamar (EM Douai), Anthony Fleury (EM Douai), Pierre Chainais (EC Lille) , André Bigand(ULCO), Alice Porebski (ULCO), , Sebastien Thomassey(ENSAIT), Frédéric VANDERHAEGEN (UVHC), Sebastien Ambellouis (EM Douai), Mehmood Owais (Ifstar), Alice Porebski (ULCO)

Ordre du jour:
13h45-14h Café
14h-14h45 Suivi multi-objets dans des séquences d’images (Christelle Garnier)
pdf de la présentation

14h45-15h30 Classification de morphologies 3D (Pascal Bruniaux) pptx de la présentation
pdf de la présentation – partie1
pdf de la présentation – partie2
pdf de la présentation – partie3
pdf de la présentation – partie4

15h30-16h Pause Café
16h-16h45 – Représentation des textures dans les images CFA (Ludovic Macaire)

pdf de la présentation

16h45-17h30 Définition des actions du projet REPAR

Site web :
Il contiendra les compte-rendus des réunions, slides des présentations, références bibliographiques, ainsi que la description du projet et des équipes concernées.

Le site a été mis en place par François Cabestaing.

[1] [pdf] [doi] H. Cheng, Z. Liu, L. Yang, and Xuewen Chen, « Sparse representation and learning in visual recognition: theory and applications, » Signal Processing, vol. 93, iss. 6, pp. 1408-1425, 2013.
[Bibtex]
@Article{cheng-sigpro-2013,
author = "Hong Cheng and Zicheng Liu and Lu Yang and Xuewen
Chen",
title = "Sparse representation and learning in visual
recognition: Theory and applications",
journal = SIGPRO,
volume = "93",
number = "6",
month = jun,
year = "2013",
pages = "1408--1425",
abstract = "Sparse representation and learning has been widely
used in computational intelligence, machine learning,
computer vision and pattern recognition, etc.
Mathematically, solving sparse representation and
learning involves seeking the sparsest linear
combination of basis functions from an overcomplete
dictionary. A rational behind this is the sparse
connectivity between nodes in human brain. This paper
presents a survey of some recent work on sparse
representation, learning and modeling with emphasis on
visual recognition. It covers both the theory and
application aspects. We first review the sparse
representation and learning theory including general
sparse representation, structured sparse
representation, high-dimensional nonlinear learning,
Bayesian compressed sensing, sparse subspace learning,
non-negative sparse representation, robust sparse
representation, and efficient sparse representation. We
then introduce the applications of sparse theory to
various visual recognition tasks, including feature
representation and selection, dictionary learning,
Sparsity Induced Similarity (SIS) measures, sparse
coding based classification frameworks, and
sparsity-related topics",
doi = "10.1016/j.sigpro.2012.09.011",
}

sept 17

Réunion à l’École des Mines de Douai le 17 septembre 2014

Bonjour,

La réunion du projet Repar du 17 septembre 9h-12H30 à l’Ecole des Mines de Douai est confirmée.

Le thème principal sera le suivant:
Présentation des activités de chacun des membres
9h-9h30 Sélection spectrale des attributs de textures couleur (Alice Porebski et Nicolas Vandenbroucke)
pdf des slides

9h30-10h Classification sous contraintes (Denis Hamad)
pdf des slides

10h-10h30 Introduction à l’apprentissage de dictionnaires (Pierre Chainais)
pdf des slides

11h-11h30 Apprentissage dynamique (Mouchaweh Moamar)

mai 13

Réunion de lancement

Présents: Ludovic Macaire, Mouchaweh Moamar, Anthony Fleury, Pascal Bruniaux, Pierre Chainais, Olivier Losson, Christelle Garnier, Alice Porebski, Nicolas Vandenbroucke, Sebastien Thomassey, Jacques Boonaert
Excusés: François Cabestaing, André Bigand

Nouvelles administratives
Le contact de la Région qui suit le projet REPAR est Frederic.LEBURGUE@nordpasdecalais.fr
Ecole Centrale Lille et Ecole Mines de Douai ont déjà reçu la lettre d’acceptation de prise en
charge des post-docs.
Prochaine réunion REPAR le 4 juillet 2014 9h à Douai:

Présentation des activités de chacun des membres
– Sélection spectrale des attributs de textures couleur (Alice Porebski et Nicolas
Vandenbroucke)
– Représentation des textures dans les images CFA (Ludovic Macaire et Olivier
Losson)
– Apprentissage dynamique (Mouchaweh Moamar)
– Suivi multi-objets dans des séquences d’images (Christelle Garnier)
– Classification sous contraintes (Denis Hamad)
– Classification de morphologies 3D (Pascal Bruniaux)
– Introduction à l’apprentissage de dictionnaires (Pierre Chainais)
– Présentation de Bibtex, gestion des références bibliographiques (Olivier Losson)
• Sélection des articles de la bibliographie spécifiques au projet
• Divers
– Site web à décider (hébergé par le graishym)
– Besoin d’un partage sécurisé des documents
• Proposition de Mouchaweh Moamar
séminaire de Plamen Anglev le 30 mai 2014 sur l’apprentissage dynamique