L'objet de ce cours est de donner aux étudiants les concepts et les principales approches pour aborder les problèmes fondamentaux de l’analyse d'images et la vision 3D, y compris l'acquisition d'images et les modèles radiométriques de formation d'images, la formation d'images dans la caméra, les concepts de traitement d'images et les concepts avancés comme l'estimation et le suivi du mouvement, la classification d'images, la compréhension de scènes, la classification et le suivi d'objets, la fusion d'images et le recalage d'images, etc.
L'objet de ce cours est de donner aux étudiants les concepts et les principales approches pour aborder les problèmes fondamentaux de l’analyse d'images en général avec un focus sur la vision 3D. Les sujets abordés comprennent les modèles de caméra, la géométrie multi-vues, la reconstruction. Afin d’aborder des algorithmes portant sur des tâches de vision de haut niveau (reconnaissance/classification, reconstruction 3D, …), sans exiger de prérequis, le cours englobera quelques méthodes d’extraction de caractéristiques.
Le syllabus ci-dessous donne un aperçu du programme qui sera abordé. cours consacrés à chacun d'entre eux :
Partie : Vision et apprentissage/réseaux de neurones : reconnaissance et traitement
- Introduction à la vision 3D : formation de l'image / géométrie projective coordonnées homogènes, transformations géométriques
- Modèle de caméra (modèle pinhole) / calibrage de caméra
- Géométrie épipolaire et mise en correspondance
- Reconstruction de la 3ème dimension monoculaire/multi-vue
- Stéréoscopie/ par projection de silhouettes (Shape from Silhouette)/ par creusage (space curving)
Partie : Vision et apprentissage/réseaux de neurones : reconnaissance et traitement
- Apprentissage et vision : quelques méthode et modèles de réseaux de neurones
- Mouvement et flux
- Reconnaissance d’entité d’expression/de mouvement/
Application : chacune des parties comporte un projet qui sera à réaliser en python/C++ ; avec des logiciels et des outils support : OpenCV, Tensorflow/Pytorch.
