Parcours Image et Multimédia

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

L'objectif est de prendre connaissance de ce qui a été vu, pas de lire en détails tout le polycopié. 

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.

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.

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.

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.

à trouver sur ce lien