| Présentation du S9 |
 2024-2025 : Présentation du 23 septembre |
|
|
| Pour les étudiant·e·s qui intègrent le parcours en 3A/S9 |
 Lien vers le S8 Multimédia sur moodle |
|
|
Lien vers le cours d'Apprentissage Profond |
Pour connaître les pré-requis nécessaires à l'UE IAM, il vous faut voir au moins les 3 premiers CM (jusqu'aux bases des réseaux de neurones convolutifs) et les 3 premiers TPs du cours d'Apprentissage Profond. Le CM5 vous donnera également des éléments sur des architectures convolutives un peu plus avancées qui seront parfois mentionnées pendant le cours d'IAM. Si vous avez la moindre question, écrivez-moi : Axel.Carlier@irit.fr
|
|
Consulter le polycopié de cours |
L'objectif est de prendre connaissance de ce qui a été vu, pas de lire en détails tout le polycopié. |
|
Test de connaissance |
Pour apprendre de manière rapide, nous vous proposons de réaliser (autant de fois que souhaité), les tests proposés l'année dernière. Dans l'UE VRAA, vous aurez le même type de test pour vous entraîner.
|
|
Didacticiel matlab |
Pour cette UE, il est nécessaire de bien connaître et utiliser matlab. Nous vous conseillons donc de reprendre le didacticiel matlab déjà proposé en première année.
|
|
Lien vers les TPs de TAV |
Même si les TPs proposés en TAV ne sont pas nécessaires pour suivre et comprendre les TPs de PI3D, il peut être intéressant de regarder un des sujets de 2A pour vous familiariser avec la manière de travailler avec matlab. N'hésitez pas à faire un tour.
|
|
| 2024-2025 : Propositions de PFE |
Sujet de stage IA appliquée à la télédétection thermique (ONERA-IRAP) |
Dans le contexte de la super-résolution d'images
thermiques en milieu urbain, nous proposons un stage de 6 mois visant à
évaluer les performances de différentes approches de Deep Learning et à
les comparer aux méthodes géo-statistiques présentées dans la
littérature, ainsi qu’à celle développée dans des travaux de thèse. Le stage peut débuter en février/mars 2025.
Le profil recherché est un(e) étudiant(e) en fin de cursus d’école
d’ingénieur ou de master, disposant de solides connaissances en
traitement d’images, tant sur le plan théorique que technique, avec
notamment une expérience pratique des bibliothèques Python comme Keras,
PyTorch ou TensorFlow.
|
|
Stage Data Science chez AlteIA |
|
|
stage @CEA List, Paris -Développement d’un outil d’analyse de qualité de captation sur site pour des rendus VR basés 3G Gaussian Splatting. |
|
|
stage @CEA List, Paris - Gaussian Rendering Ray Tracing |
|
|
stage @CEA List, Paris - jlg Video 360 degrés immersive et espace collaboratif |
|
|
stage @CEA List, Paris - Deep Learning methods to improve 3D Gaussian Splatting training |
|
|
stage @CEA List, Paris - Portable rendering of 3D Gaussian Splatting on standalone XR headset |
|
|
 Proposition de stage en laboratoire CREATIS, Lyon 1 |
|
|
Stage à l'IRIT UPS - Amélioration d’une application de e-learning collaborative |
|
|
Stage LAMAV Valenciennes |
|
|
Stage à l'ENAC - Semantic Extraction of Feature Maps for Location Retrieval |
|
|
Stage à SUPAERO - Generative models for synthetic to real adaptation |
|
|
Stage à l'RIT-ENSEEIHT - Oculométrie Assistée par la Segmentation d’Images |
|
|
Stage - R&D Computer Vision - Positionnement 3D chez Fitting Box (Toulouse) |
|
|
Stage R&D Computer Vision Box chez la société Fitting Box (Toulouse) |
|
|
Stage au laboratoire CESBIO : Suivi des prairies par télédétection satellitaire et apprentissage hybride |
|
|
Stage au CESBIO : apprentissage profond guidé par des contraintes physiques pour l’estimation de variables climatiques |
|