Descriptif
La perception visuelle joue un rôle fondamental dans le domaine de la robotique. Ce cours vise à explorer les principales approches de la vision utilisées en robotique. Nous débuterons en abordant les notions fondamentales de la vision, notamment les capteurs, le traitement d'images et le traitement du signal. Après avoir établi ces bases, nous nous pencherons sur les systèmes de vision intelligents capables de comprendre le monde qui les entoure. Nous aborderons d'abord les techniques classiques d'intelligence artificielle appliquées à la vision, pour ensuite explorer les approches modernes telles que les réseaux de neurones. Le cours couvrira également de nombreuses applications de la vision, notamment l'IA générative, le suivi d'objets, la détection d'objets, la segmentation sémantique, et bien d'autres.
Objectifs pédagogiques
Compétences à acquérir
- Comprendre les enjeux, les potentiels et les limites de la vision par ordinateur aujourd'hui.
- Maîtriser les concepts de base de la représentation d'une image numérique
- Maîtriser les algorithmes les plus importants en vision par ordinateur
- Être capable d'aborder avec un regard critique une nouvelle application en vision robotique
effectifs minimal / maximal:
10/40Diplôme(s) concerné(s)
Format des notes
Numérique sur 20Littérale/grade européenPour les étudiants du diplôme IA : Intelligence Artificielle multimodale et autonome
Le rattrapage est autorisé (Max entre les deux notes)- le rattrapage est obligatoire si :
- Note initiale < 6
- le rattrapage peut être demandé par l'étudiant si :
- 6 ≤ note initiale < 10
- Crédits ECTS acquis : 2 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Programme détaillé
- Ce cours fournit les bases essentielles sur l'échantillonnage, le filtrage linéaire, et l'estimation des grandeurs différentielles dans les images.
- Il présente les problèmes fondamentaux liés à l'extraction des caractéristiques dans les images, et les algorithmes associés.
- L'analyse de vidéos et les algorithmes liés à l'estimation et la caractérisation du mouvement dans les séquences d'images sont présentés.
- Les techniques de modélisation et de détection / reconnaissance d'objets sont abordées selon plusieurs techniques.
- La reconstruction tridimensionnelle de scènes à partir de plusieurs vues est présentée dans différents contextes.
- Enfin, les relations entre la vision et l'apprentissage sont étudiés dans le cadre des techniques d'apprentissage profond.
