Descriptif
Coordination des stages : Loïc Le Folgoc
Cette filière permet d'acquérir les bases de l'analyse d'images puis d'aborder des cours plus avancés développant les techniques mathématiques de l'image, la vision par ordinateur et la reconstruction 3D, les approches inspirées de l'intelligence artificielle, et en particulier l'apprentissage profond, pour l'analyse et l'interprétation d'images, la classification et l'indexation d'images ainsi que la vidéo.
Elle prépare à des postes d'ingénieur de recherche et d'études en traitement et interprétation d'images, en vision et en 3D dans des domaines variés : imagerie médicale et biologique, photographie grand public, modélisation de scènes et synthèse, imagerie spatiale et aérienne, biométrie, défense, etc.
Les domaines d'application principaux (l'imagerie médicale, l'imagerie aérienne et satellitaire et la photographie grand public) seront présentés par des chercheurs actifs de ces domaines et complétés par des interventions d'industriels sur d'autres applications (biométrie, vision industrielle...). Les cours d'analyses d'images seront en particulier l'occasion de voir en détail des techniques récentes d'apprentissage automatique dans un cadre applicatif.
Cette filière garantit de solides connaissances dans le domaine du traitement et de l'interprétation d'images, qui seront utiles aussi bien dans l'industrie que dans un laboratoire de recherche, avec une poursuite en doctorat.
Elle peut être utilement associée à la filière Interaction Homme-Machine et Informatique Graphique 3D (IGR) pour les aspects de réalité virtuelle et d'informatique graphique, à la filière Traitement du Signal pour l'Intelligence Artificielle (TSIA) pour le traitement du signal, ou à la filière Science des Données (SD) pour les techniques d'apprentissage et de fouille de données.
Pour suivre cette filière, il est nécessaire d’avoir acquis les bases de mathématiques appliquées, informatique, traitement du signal (cours de 1e année).
En savoir plus...
2e Année
UE du créneau D recommandées : SI221, INF224, MDI210, MDI220 (cf Prérequis)
| P1 | P2 | P3 | P4 | |
| B1 |
IMA 201 Introduction au traitement des images |
IMA 204 Imagerie médicale et biologique & Représentation des connaissances |
IMA 208 Vision 3D et Vidéo |
IMA 207 Imagerie cohérente, séparation de source, télédétection et applications industrielles |
| B2 |
IMA 201 Introduction au traitement des images |
IMA 203 Méthodes variationnelles et bayésiennes & optimisation discrète |
IMA 205 Apprentissage pour l'image et la reconnaissance d'objets |
IMA 206 Generative networks, patch-based methods and computational photography |
3e Année
Si vous désirez poursuivre dans le cursus IMA vous avez trois possibilités :
| Option interne |
Faire une option interne à l'école :
|
| Master M2 |
Postuler pour un de ces Masters 2 :
ou
|
| Formation à l’étranger |
Suivre une formation équivalente à l'étranger (cf https://imainter.wp.mines-telecom.fr/) |
| Autre |
Vous pouvez aussi choisir, après la 2e année, de suivre en 3eA :
|
Quelle que soit l'option choisie, la 3e année comporte un stage ingénieur (contacter le coordinateur des stages Michel Roux)
OFFRES de stage possibles dans la spécialité : https://perso.telecom-paristech.fr/mroux/stages-2021/
Diplômes concernés
Compétences
Compétence n°1 : modélisation d’un problème d’image
1.1 Maîtriser la chaîne d’acquisition de l’image numérique (échantillonnage, bruit, radiométrie, etc.) et sa modélisation.
1.2 Connaître les particularités géométriques du contenu des images numériques (objets, scènes), leurs représentations et la représentation des connaissances.
Compétence n°2 : Résolution du problème / Mobilisation des méthodes de l’état de l’art
2.1 Maîtrise des algorithmes classiques de l’image numérique, dans les domaines de
- Traitement des images
- Analyse des images
2.2 Capacité à analyser l’existant et à comprendre un article scientifique
Compétence n°3 : Mise en œuvre et applications
3.1 Savoir implémenter dans un langage informatique, totalement ou partiellement, les méthodes classiques de la compétence 2.1.
Savoir implémenter une méthode décrite dans l’état de l’art et l’adapter au problème rencontré.
3.2 Capacité à analyser les résultats et à mettre la méthode développée à l’épreuve.
Pré-requis
UE du créneau D recommandées : SI 221 Reconnaissance des formes, MDI210 Optimisation, MDI 220 Statistiques, INF 224 Paradigmes de programmationModalités d'acquisition
La filière est validée si la moyenne des notes finales est ≥ 10 et si vous obtenez au minimum 15 crédits ECTS.
Composition du parcours
-
IMA201(a) IMA201(b) IMA203 IMA204 IMA205 IMA206 IMA207 IMA208