Seminaires 2016 - 2017

 

Ronan Sicre

Learning parts as a mid-level representation for image recognition

  • mardi 23 mai à 14h00 en salle Bat5-01/124, séminaire de Ronan SICRE.

    Abstract : Ronan will present his works in the fields of computer vision and pattern recognition, with a focus on part-based methods. Parts are mid-level features that are learned from data. They are generative and distinctive, meaning that they occur often in some part of the training data and rarely in the rest. Once parts are learned, they are aligned to produce global representations and perform classification. These representations outperform global CNN descriptions. The most recent work allows to learn parts in an unsupervised fashion. In this work parts are applied to image classification and retrieval, but could be applied to other recognition problems.

Parallel dual tree traversal

Parallel dual tree traversal on multi-core and many-core architectures for astrophysical N-body simulations

  • vendredi 5 mai 2017, séminaire de Benoit LANGE.

    Abstract : Cette présentation a pour but de vous exposer les travaux que j’ai réalisé autour de l’algorithme de Dehnen, un algorithme de simulation astrophysique qui simule le comportement de galaxies. Cet algorithme est basé sur une solution de double traversée d’arbre afin de réduire la complexité de cet algorithme en O(N) (au lieu de O(N^2) pour les solution n-core traditionnelles). Les travaux que je vous présenterai mettront en évidence les optimisations algorithmiques mises en place afin de permettre de paralléliser cet algorithme mais également de permettre d’utiliser cet algorithme sur des infrastructures many-core. Ces travaux ont donné lieu à la production d’une application pfalcon (implémentation parallèle de l’algorithme de Dehnen).

Towards Fine-Grained Image Forensic Detection

  • vendredi 10 mars 2017, séminaire de Wei Fan, post-doctorante au Dartmouth College, Hanover, NH, USA (candidate au CNRS section 07)

    Abstract : Today we are facing the challenges of carefully manipulated images, which can easily fool our human naked eyes. In order to fight against such image manipulation, forensics has emerged as a powerful image authentication tool. Conversely, image anti-forensics attacks forensic algorithms in order to urge the development of more trustworthy forensics. This talk firstly presents some contributions to image anti-forensics of hiding image processing history of JPEG compression and median filtering. The anti-forensics study shows that image forensic performance decreases when the modified area is getting smaller in the image. Such observation urges the fine-grained image forensic detection, which requires good forensic classification performance on very small image blocks. To this end, we adopt Gaussian mixtures to model image blocks. Then, image forensics is performed by likelihood ratio test or trained classifier using Fisher scores. The effectiveness of the proposed methods are validated on both classical images and a new type of multimedia — High Dynamic Range images.

Designing With Many (& Sometimes Too Many) Links Shape-Changing Mechanisms

  • vendredi 3 mars 2017, LIRMM, Bâtiment 5, salle 3/124 séminaire d'Andrew Murray, Prof., Dept. of Mechanical & Aerospace Engineering University of Dayton, Etats-Unis

    Abstract: Today we are facing the challenges of carefully manipulated images, which can easily fool our human naked eyes. In order to fight against such image manipulation, forensics has emerged as a powerful image authentication tool. Conversely, image anti-forensics attacks forensic algorithms in order to urge the development of more trustworthy forensics. This talk firstly presents some contributions to image anti-forensics of hiding image processing history of JPEG compression and median filtering. The anti-forensics study shows that image forensic performance decreases when the modified area is getting smaller in the image. Such observation urges the fine-grained image forensic detection, which requires good forensic classification performance on very small image blocks. To this end, we adopt Gaussian mixtures to model image blocks. Then, image forensics is performed by likelihood ratio test or trained classifier using Fisher scores. The effectiveness of the proposed methods are validated on both classical images and a new type of multimedia — High Dynamic Range images.

    Bio: Andrew Murray received the B.S. degree in mechanical engineering from the Rose-Hulman Institute of Technology in 1989, and the M.S. and Ph.D. degrees in mechanical engineering from the University of California, Irvine in 1993 and 1996, respectively. In 1997, he joined the Department of Mechanical & Aerospace Engineering at the University of Dayton as an Assistant Professor, became an Associate Professor in 2003, and a Professor in 2011. He is a Co-Director of the Design of Innovative Machines Lab (DIMLab) where the research in kinematic synthesis theory and machine design includes shape-changing mechanisms with applications in variable geometry extrusion dies, novel devices that utilize strain-energy in automobiles, and accurate estimation and tracking of the center of mass of complex systems. He also has a long-standing collaboration with researchers at the Laboratoire d’ Informatique, de Robotique et de Microélectronique in Montpellier, France. Dr. Murray is a Fellow of ASME. He won the highest teaching award offered by his university in 2013. He was General Program Chair of the ASME International Design Engineering Technical Conferences in 2010 and has served as an Associate Editor for the ASME Journal of Mechanisms and Robotics since it was founded in 2008. Please visit DIMLab to learn more about the research.

Seminaires 2014 - 2015

 

HDR et soutenance de theses, au LIRMM

  • 1er décembre 2015, Thèse de Vincent ITIER

    "Nouvelles méthodes de synchronisation de nuages de points 3D pour l'insertion de données cachées"

  • 2 décembre 2015, HDR de Sandra BRINGAY (ADVANSE)

    "Fouille de données de santé"

  • 4 décembre 2015, Thèse de Darshan VENKATRAYAPPA (EMA Nîmes)

    "Image matching using rotating filters"

  • 7 décembre 2015, HDR de Stéphanie METZ (MCF UM3)

    "Instrumentation de l’autonomie dans les apprentissages universitaires"

  • 9 décembre 2015, Thèse de Léo GUIGNARD (Virtual Plant)

    "Analyse quantitative de la morphogenèse animale: de l’imagerie laser haut débit à l’embryon virtuel chez les ascidies"

  • 10 décembre 2015, Séminaire Données
  • 14 décembre 2015, Thèse de Iuliia TKACHENKO

    "Generation and analysis of graphical codes using textured patterns for printed document authentication"

  • 19 décembre 2015, en visio depuis le LIRMM : Thèse de Meha HACHANI (ENIT, Tunisie)

    "Reeb Graph Modeling of 3-D Animated Meshes and its Applications to Shape Recognition and Dynamic Compression"

Seminaires 2013 - 2014

 

Rémi RONFARD

CR INRIA Grenoble, équipe IMAGINE
  • vendredi 18 avril 2014 à 15h00 en salle de séminaire au LIRMM

    TITRE : Mettre en scène les mondes virtuels

    RÉSUMÉ :
    Dans cet exposé, je m’intéresse aux liens que l'on peut tracer entre la notation de la mise en scène théatrale, la reconnaissance d'actions par analyse vidéo, et l'animation procédurale d'acteurs virtuels.

    Je pose la question de la mise en scène sous l’angle de la théorie de la notation de Goodman, qui fixe des contraintes syntaxiques et sémantiques interessantes à la fois pour l'analyse et la synthèse des mouvements d'acteurs. Ceci m'amène à proposer un schéma de notation restreint à un petit nombre d’actions scéniques reconnaissables visuellement, pouvant faire l’objet d’une transcription automatique par ordinateur à partir d’enregistrements vidéo.

    Je présente quelques résultats obtenus au cours de deux projets de recherche en cours, qui visent à démontrer expérimentalement la possibilité d’une telle transcription et son utilité pour analyser et documenter le travail des répétitions théâtrales. Je termine par quelques perspectives d'applications dans d'autres domaines, y compris en animation 3-D et en interaction homme-machine.

Les mardis d'Imagina

IMages, Games & INtelligent Agents
(Spécialité IMAGINA du Master Informatique – Université Montpellier 2)

Venez découvrir des travaux en cours réalisés par des entreprises régionales dans le domaine de l’IMAGE et des JEUX
3 mardis de 18h30 à 20h00 en salle de cours SC 12.01 de l’Université
  • mardi 10 decembre 2013

    Ubisoft : Jeux vidéo – S. Vernus

    IGO : SIG 3D – Ph. Bour

    Laoviland Expérience : Culture numérique – J.T. Tchoumou

  • mardi 19 novembre 2013

    C4W : Modélisation 3D – R. Bénière

    IMAIOS : Imagerie médicale – D. Hoa

    Dwarf Labs : Animation, VFX – O. Pinol

  • mardi 15 octobre 2013

    NaturalPad : Jeux Vidéo Thérapeutiques - A. Seilles

    Henchmen-studio : Jeux Vidéo, Graphisme – C. Siccardi

Daniel RACOCEANU

Professeur à l'UPMC, actuellement co-directeur de l'UMI CNRS IPAL à Singapour

Séminaires en 2012-2013


Venceslas BIRI, MCF HDR, Université Marne la Vallée

  • mercredi 17 avril 2013 à 11h00 en salle du conseil au LIRMM à Montpellier:


    " Visualisation de scenes massives et volumique"


    Télécharger la presentation

    Résumé : Nous présenterons les différentes problématiques concernant la visualisation et le rendu de scènes comportant un grand nombre de primitives graphiques animées, depuis les considérations techniques, comme le chargement rapide de scène complexe, à celles du rendu comme pour l'antialiasing. Nous aborderons ensuite un autre type de complexité de scène : les volumes. Depuis une modélisation complexe jusqu'à un rendu le plus réaliste possible, nous détaillerons les méthodes existantes et notre approche temps réel.

Christophe Charrier, MCF HDR, laboratoire GREYC, Université de Caen

  • lundi 8 avril 2013 à 15h00 en salle 1.4 au LIRMM à Montpellier:


    "Mesure agnostique de la qualite des images. Application en biometrie."


    Télécharger la presentation

    Résumé : L’objectif intrinsèque de tout algorithme d’évaluation de la qualité d’une image est d’aboutir à un schéma de notation objectif pour lequel l’erreur de prédiction est minimale. Cette erreur de prédiction, qui est une mesure de performance, peut être considérée comme une fonction de représentativité naturelle des caractéristiques utilisées pour prédire la qualité. La théorie des statistiques de scènes naturelles (SSN) suggère que notre système visuel s’est adapté au cours de l’évolution et de notre développement aux statistiques du monde environnant.L’idée retenue est de pouvoir définir des caractéristiques représentatives des structures de l’image dont les statistiques évoluent en fonction du type de dégradation et de la puissance de cette dernière. Cependant, l’efficacité d’un modèle est intrinsèque à la qualité des caractéristiques utilisées. Cela induit la sélection de caractéristiques suffisamment pertinentes pour mener à un outil fiable d’évaluation de la qualité des images.L’approche présentée consiste à utiliser des paramètres d’un modèle généralisé des statistiques de scènes naturelles afin de définir de nouvelles caractéristiques, dont la distribution sera modélisée par un modèle probabiliste généralisé quantifiant la qualité de l’image. Les résultats obtenus montrent que l’approche retenue permet d’obtenir une très forte corrélation entre les scores ainsi prédits et les scores des observateurs humains. L'utilisation de cette métrique dans le cadre de la biométrie sera également présentée. De la qualité de la mesure des données biométrique, dépend la qualité du système d'identification et de reconnaissance biométrique. Les résultats montrent également que la métrique est plus pertinente que les métriques dédiées aux données biométriques, en terme de prédiction de la qualité.

Karl Krissian, chercheur dans le Groupe d'Imagerie, de Technologie Medicale de l'Universite de Las Palmas

Professeur Boris Assanovich, YK Grodno State University, Belorussia

  • jeudi 25 octobre 2012 à 11h00 en salle 1.4, au LIRMM à Montpellier:


    "Image watermarking based on feature point synchronization with the use of ECC"


    Download presentation

    Abstract: In this talk, the watermarking methods based on feature point processing will be introduced. Several feature point detection techniques will be discussed, including geometrical feature extraction methods and invariant image processing approaches. The problems of synchronization in presence of insertions and deletions will be defined and typical synchronizing methods with the use of error correcting coding will be presented. The new scheme with concatenated error detecting and correcting codes and its application in feature-based watermarking will be discussed.


    Boris A. Assanovich was born in Belorussia (former USSR), received his M.S. degree in Radiophysics and Electronics in 1984 from YK Grodno State University and Ph.D. degree in Informatics and Engineering from FS Gomel State University in 2002 in Belarus. He was a fellow at St. Petersburg Institute of Telecommunication and a researcher at System Development Lab in Moscow, Russia. He taught at Physics and Technical Department of YK Grodno State University, where he held a position of Associate Professor in 2004. He was a visiting researcher at Jagiellonian University in Poland and a visiting professor at Chonbuk National University in South Korea. He has published more than 50 papers in the area of signal processing source and error correcting coding. His current research interests include joint source-channel coding, new generation watermarking systems, computer vision, multimedia and intelligent systems.

Seminaire de Xiao-Jun Wu, de l'universite de Jiangnan (Chine)

  • jeudi 11 octobre 2012 à 14h30 en salle 1.4, au LIRMM à Montpellier :


    "Feature Extraction and Its Applications to Image Analysis and Computer Vision "



    "Extraction de points caracteristiques et ses applications en analyse d'images et en vision par ordinateur "


    M Xiao-Jun Wu est actuellement au LGI2P à Nîmes où il travaille avec Philippe Montesinos. Il a, avant cela, travaillé pendant 2 ans dans l'équipe de Josef Kittler de l'Université de Surrey.

     

    Abstract: In this talk, several feature extraction techniques will be introduced, including algebraic feature extraction and geometrical feature extraction methods. Typical applications of these feature extraction methods will be presented including face recognition, image fusion, image retrieval, and target tracking, etc. The main aim of this talk is to introduce my main work in pattern recognition and computer vision, which hopefully ignites discussions, future talks for specific topic and future collaborations.


    Xiao-Jun Wu received his B.S. degree in mathematics from Nanjing Normal University, Nanjing, PR China in 1991 and M.S. degree in 1996, and Ph.D. degree in Pattern Recognition and Intelligent System in 2002, both from Nanjing University of Science and Technology, Nanjing, PR China, respectively. He was a fellow of United Nations University, International Institute for Software Technology (UNU/IIST) from 1999 to 2000. From 1996 to 2006, he taught in the School of Electronics and Information, East China Shipbuilding Institute (Now renamed as Jiangsu University of Science and Technology) where he was an exceptionally promoted professor. He joined Jiangnan University in 2006 where he is a full professor, and he also takes charge of project funding of Jiangnan University from different levels of government. He won the most outstanding postgraduate award by Nanjing University of Science and Technology. He has published more than 150 papers in his fields of research. He was a visiting postdoctoral researcher in the Centre for Vision, Speech, and Signal Processing (CVSSP), University of Surrey, UK from 2003 to 2004, under the supervision of Professor Josef Kittler. His current research interests are pattern recognition, computer vision, fuzzy systems, neural networks and intelligent systems.