Accès direct au contenu

MATH

Version anglaise

aide

Méthodes stochastiques pour l'analyse d'images (Stochastic methods for image analysis)

Organisateurs: Agnès Desolneux (CNRS, CMLA, ENS Paris-Saclay), Bruno Galerne (MAPMO, Université d'Orléans), Julie Delon (Université de Paris)


Objectif du cours :

L'objectif de ce cours est de donner un large panorama des modèles probabilistes et des outils utilisés dans le domaine de la restauration ou de l'édition d'images numériques. Les principaux modèles considérés sont: les modèles bayésiens, les modèles gaussiens, les modèles de mélanges de gaussiennes (GMM), les modèles par patchs, les modèles d'entropie maximale. Les outils considérés sont: l'optimisation et les opérateurs proximaux, l'échantillonnage par MCMC ou Langevin, le transport optimal, les réseaux de neurones.








Pré-requis:

Les bases d'un M1 de mathématiques appliquées en probabilités, statistiques et optimisation.

Organisation des séances:

9 séances de 3h, où se mélangent cours magistral, TD et TP.

Validation :

un devoir maison intermédiaire (obligatoire) et un examen final écrit.