Site Unistra - Accueil
Faire un don

Compétences requises

Optimisation, Traitement d’images, Analyse matricielle, Analyse numérique, Algèbre linéaire

--

Numerical optimization, image processing, matrix analysis, numerical analysis

Compétences visées

Introduire les problèmes fondamentaux et avancés de la vision artificielle 3D  et les principaux concepts et techniques pour les résoudre.
Implémenter des solutions à des problèmes complexes de vision artificielle.
Maîtriser les différentes approches d’analyse de séquences d’images, de reconstruction 3D et d'alignement de données visuelles multimodales.

--

Learn about fundamental as well as advanced 3D vision problems and the main concepts and techniques to solve them.
Implement solutions to complex artificial vision problems.  
Analysis of image sequences, uncalibrated and calibrated 3D reconstruction, multimodal and semantically-driven data registration.

Syllabus

  1. Géométrie projective et géométrie projective orientée 
  2. Méthodes et paradigmes d’optimisation en vision artificielle
  3. Modèles de caméras et calibrage 
  4. Modélisations géométriques stéréo et multi-vues
  5. Stratification de l’espace 3D
  6. Estimation du mouvement et calcul de structure à partir du mouvement 
  7. Techniques d’autocalibrage 
  8. Stéréo photométrique, « shape-from-shading » et “shape-from-silhouette”
  9. Extractions et appariement de caractéristiques visuelles 
  10. Alignement de données visuelles multimodales, alignement de données visuelles et cartes sémantiques 
  11. Robustesse en vision artificielle 
  12. Vision 3D avec données manquantes

--

  1. Projective and oriented projective geometry 
  2. Optimization methods and paradigms in artificial vision
  3. Camera models 
  4. Stereo and multi view models
  5. 3D space strata
  6. Motion and structure estimation
  7. Camera self-calibration 
  8. Photometric stereo, shape-from-shading  and shape-from-silhouette
  9. Feature extraction and matching 
  10. Multimodal and semantically-driven visual data registration
  11. Handling robustness in artificial vision 
  12. Dealing with missing data

Contact

Responsable(s) de l'enseignement
Adlane Habet : habed@unistra.fr

MCC

Les épreuves indiquées respectent et appliquent le règlement de votre formation, disponible dans l'onglet Documents de la description de la formation

Régime d'évaluation
ECI (Évaluation continue intégrale)

Évaluation initiale / Session principale - Épreuves

LibelléType d'évaluationNature de l'épreuveDurée (en minutes)Coefficient de l'épreuveNote éliminatoire de l'épreuveNote reportée en session 2
Examen sur feuille
1 SCET1050.7
Rendu exercices sur machine
10 SCP6000.3

Seconde chance / Session de rattrapage - Épreuves

LibelléType d'évaluationNature de l'épreuveDurée (en minutes)Coefficient de l'épreuveNote éliminatoire de l'épreuve
Examen sur feuille
1 ACET1050.7