Accueil - Connexion

Generation automatique d'image, transfert de style

ATM3C Generation automatique d'image, transfert de style Analyse et Traitement d'Image, Video et Machine Learning S5
Cours : 9 h TD : 0 h TP : 4 h Projet : 0 h Total : 13 h
Responsable : Luc Brun
Pré-requis
Initiation au traitement d'images.
Objectifs de l'enseignement
L’objectif de ce cours et de fournir aux auditeurs les éléments permettant d’analyser des images et des vidéos.
Programme détaillé
Le cours est divisé en deux parties :

La première partie du cours est consacrée à un éventail des méthodes de segmentation ainsi qu’aux modèles permettant de les stocker. Nous verrons notamment les fondements topologiques du codage d’une partition ainsi que les modèles hiérarchiques et non hiérarchiques permettant de coder celle-ci.

La seconde partie de ce cours est plus spécifique à l’analyse et l’indexation de la vidéo. Ce cours traite les techniques de codage vidéo, les techniques d’estimation de mouvement 2D, et présente la problématique et les principaux systèmes "intelligents" d’accès et de recherche par le contenu. Nous aborderons la norme MPEG-7 qui tente de normaliser la syntaxe des descripteurs du contenu, et aussi les techniques d’évaluation de la qualité de la vidéo.
Applications (TD ou TP)
Amélioration/ Segmentation / transmission de vidéos.
Segmentation d'images pour la reconnaissance de formes ou l'amélioration d'image adaptative.
Compétences acquises
Maîtrise de la vidéo et de ses formats.
Bases de la segmentation d'images et de vidéos.
Bibliographie
Elhassani, M., Jehan-Besson, S., Brun, L., Revenu, M., Duranton, M., Tschumperle, D. & et al. A Time-Consistent Video Segmentation Algorithm designed for Real-Time Implementation. VLSI Design, 2008( Article ID 892370 ): 12 pages, 2008.

http://fr.wikipedia.org/wiki/Segmentation_d%27image

© 2018 - ENSICAEN ( Mentions Légales - Crédits )