Vous êtes ici

  1. Accueil
  2. Analyse et classification d'images

Analyse et classification d'images

Analyse et classification d'images

En pratique :

Volume horaire de cours : 18
Volume horaire global de TP : 18
Volume horaire globale de travail personnel : 40
Langue principale : français

Description du contenu de l'enseignement

L’objectif de ce module est de fournir aux élèves ingénieurs des connaissances fondamentales en analyse et classification d’images.
Les algorithmes d’apprentissage artificiel sont aujourd’hui à la base des systèmes de classification et de reconnaissance des formes. Le problème que cherche à résoudre la classification est d'associer une étiquette à une donnée qui peut se présenter sous forme d'une image. Des méthodes générales ont été développées en reconnaissance des formes pour extraire automatiquement des informations des données afin de caractériser les classes de formes (apprentissage) et d'assigner automatiquement des données à ces classes (classification). En général, l’opération de classification comprend 2 étapes : l’extraction de caractéristiques et la décision qui consiste à associer une description symbolique à l’objet sur la base de ses caractéristiques. Ce module introduit les notions fondamentales de l’intelligence artificielle, ainsi que les algorithmes standard d’apprentissage numérique supervisés et non supervisés.


Compétences à acquérir

  • Reconnaître un problème d’apprentissage et le formaliser
  • Choisir une méthode adaptée aux données
  • Calculer des représentations : obtenir une représentation des données compatible avec les outils d'apprentissage et de décision utilisés.
  • Utilisation des outils dédiés

Bibliographie, lectures recommandées

  • Apprentissage artificiel - Concepts et algorithmes. Antoine Cornuéjols, Laurent Miclet. Eyrolles, 2010.
  • Pattern Recognition And Machine Learning. Christopher M. Bishop. Springer, 2006.
  • Machine Learning. Tom Mitchel. McGraw Hill, 1997.
  • Data Mining: Practical Machine Learning Tools and Techniques (Third Edition). Ian H. Witten, Eibe Frank, Mark A. Hall. Morgan Kaufmann, 2011.