Le traitement de l’image est un des domaines qui a bénéficié de manière spectaculaire des avancées liées au Deep Learning.
Les thèmes abordés vont de la classification ou la segmentation à la transformation d’images en abordant les problématiques de génération d’analyses orientées à partir de texte.

Moyens techniques

Support de cours projeté pendant la formation et transmis à l’ensemble des stagiaires à l’issue de la formation; cas et exemples pratiques choisis selon les domaines d’intérêt des stagiaires

Suivi de l’exécution

Emargement demandé chaque demie-journée à tous les stagiaires Évaluation : Questionnaire d’évaluation des acquis à l’issue de la formation

Appréciation des résultats

Questionnaire de satisfaction à l’issue de la formation

Objectifs pédagogiques

Cours théoriques melés d’exemples et d’études de cas. Cette formation vise à présenter les principaux problèmes rencontrés en traitement d’image et pour chacun à décrire les solutions de l’état de l’art les plus performantes.

Technologies abordées

Convolutional Neural Nets (CNN), overfitting, regularisation, feature maps, VGG, LeNet, Inception, U-Nets,R-CNN, LSTM, CycleGAN, Pix2Pix, Superrésolution, débruitage, défloutage, colorisation, neural style, CRF

Compétences visées

  • Architectures pour l’image
  • Classification/Détection/Segmentation
  • Analyse d’images, transformations
  • Interprétation et sécurité