RENDU ET APPRENTISSAGE PROFOND

Dans cette demi-UE, un bref rappel des notions de base de l'apprentissage supervisé sera tout d'abord effectué. Puis nous introduirons les réseaux de neurones et les fonctions d'activation. Nous expliquerons comment entraîner les réseaux de neurones par descente de gradient, en introduisant les fonctions de coût et l'algorithme de rétro-propagation du gradient.

Dans un second temps, nous introduirons les réseaux de neurones convolutifs, ainsi que leurs applications en traitement d'image. Enfin nous détaillerons des architectures convolutives avancées de l'état de l'art.
Le cours s'accompagne de TPs (7 au total) d'illustration et de mise en pratique des notions de cours. Après un TP sur la classification binaire et un second TP sur la régression, les 5 TP restants détaillent des problèmes de traitement d'image (classification d'image, estimation de posture, détection d'objet) et différentes méthodes de résolution de ces problèmes.  

Enfin, les étudiants doivent mettre à profit les notions vues en cours dans un projet de classification d'image qu'ils auront eux-mêmes choisi, et pour lequel ils doivent constituer leur base de données d'apprentissage.

Voir la page complète

Ce cours propose une introduction aux principes fondamentaux et à la pratique de l'**informatique graphique (computer graphics)**, avec un accent particulier sur la compréhension du pipeline de rendu et de ses différentes étapes. Le cours combine une présentation théorique synthétique avec un important volet pratique en travaux dirigés et travaux pratiques.

La partie cours introduit les concepts essentiels de la synthèse d'images, notamment le pipeline graphique, la rasterisation, la gestion de la visibilité, les modèles d'illumination et de réflexion, les techniques de shading, le placage de textures, ainsi qu'une introduction au lancer de rayons (ray tracing).

La partie pratique est organisée en plusieurs séances de laboratoire. Dans un premier temps, les étudiants développent un **rendu logiciel minimal en Java**, en implémentant les principales étapes du pipeline graphique (tracé de segments, remplissage de polygones, suppression des surfaces cachées, illumination de base). Dans un second temps, les étudiants utilisent un **rendu classique basé sur OpenGL**, afin d'apprendre à gérer les transformations géométriques, les projections, l'éclairage et différentes techniques de rendu au sein d'une API graphique standard.

L'approche pédagogique vise à combiner une compréhension approfondie des fondements de l'informatique graphique avec une expérience pratique des outils et techniques de rendu couramment utilisés.

Voir la page complète