Ce cours est organisé en 7 séances. Chaque séance débute par un cours magistral d’1h à 1h30, qui est ensuite complété par un TD sur le sujet. Les TD se font sous le logiciel MATLAB dont les bases sont supposées être connues. Pour ceux et celles d’entre vous qui auraient besoin d’une rapide mise à niveau sur les aspects de MATLAB essentiels à ce cours, je vous propose un sujet qui peut être fait en 1h30.
Mise à niveau MATLAB : fonctions essentielles à ce cours
- Activités de mise à jour (créé pour la version R2018a mais encore valable pour la R2022a)
- pts.txt : fichier de points pour tester l’affichage de graphiques
- images.zip : fichier zip contenant des images intéressantes
Pour ceux qui souhaiteraient aller plus loin, le cours (gratuit) proposé par Aaron Bobick, Irfan Essa et Arpan Chakraborty de Georgia Tech sur la plateforme Udacity couvre les mêmes sujets que ce cours transversal, en les approfondissant, et en aborde quelques autres. Ce cours est toutefois prévu sur 4 mois, à comparer aux 21h du CET.
Bases de traitement du signal
Recalage d’images
Introduction au deep learning
- Transparents du cours
- Texte du TD
- Article sur AlexNet: très clair, avec présentation de beaucoup de notions (intérêt des activations ReLU, dropout, data augmentation, local response normalization, implémentation GPU)
- L’excellent et très complet cours de Frédéric Sur (enseignant aux Mines), à relire si nécessaire car c’est un pré-requis de ce cours.
