===== Trimestre recherche DIMA ===== [[https://cloud.minesparis.psl.eu/index.php/s/i4F7DdcG9Li0bYw | Plaquette de présentation ]] === Responsables === * [[ https://people.cmm.minesparis.psl.eu/users/decenciere/ | Etienne Decencière ]] * [[ https://matperso.mines-paristech.fr/People/david.ryckelynck/ | David Ryckelynck ]] === Centres impliqués et contacts === * Centre de morphologie mathématique (Etienne Decencière) * Centre des matériaux (David Ryckelynck) * Centre de bio-informatique (Thomas Walter) * Centre de robotique (Fabien Moutarde) * Centre de recherche en informatique (Olivier Hermant) ** DIMA contribue à faire avancer la recherche scientifique** Parmi les travaux de stage les plus remarquables, certains obtiennent la reconnaissance de la communauté scientifique: * X. Liu, S. Blusseau and S. Velasco-Forero. "Counting melanocytes with trainable h-maxima and connected components counting layers", DGMM 2024. * Z. Jiang, J. P. C. Bertoldo, and E. Decencière, “Heuristic Hyperparameter Choice for Image Anomaly Detection”, 12th International Conference on Image Processing Theory, Tools and Applications (IPTA), 2023. * T. Gula and J. P. C. Bertoldo, “Gaussian Image Anomaly Detection with Greedy Eigencomponent Selection”, International Conference on Computer Vision workshop (ICCVw), 2023. * J. P. C. Bertoldo and D. Arrustico, “Visualization for Multivariate Gaussian Anomaly Detection in Images”, 12th International Conference on Image Processing Theory, Tools and Applications (IPTA), 2023. * Les travaux d'Arnaud Mondon ont été incorporés dans une publication: Launay, H., Ryckelynck, D., Lacourt, L., Besson, J., Mondon, A. and Willot, F.. "Deep multimodal autoencoder for crack criticality assessment". International Journal for Numerical Methods in Engineering, 123(6), pp.1456-1480, 2022. * Raphaël Rozenberg, encadré par Joseph Gesnouin et Fabien moutarde, a décroché la troisième place du ICCV Trajnet++ Challenge 2021. ===== Contexte, enjeux et objectifs ===== L'exploitation des données occupe une place de plus en plus importante dans notre société, aussi bien au niveau professionnel que personnel. Ces données sont souvent complexes : texte, images, vidéos, génome, nuages de points, graphes, par exemple. Elles constituent la matière première des industries du numérique. L'extraction automatique d'information utile à partir de ces masses de données constitue un défi de taille. L'objectif de ce trimestre de recherche est de fournir aux élèves ingénieurs une première expérience en matière de recherche sur l'analyse automatique de données complexes. Les images et autres données structurées (graphes, arbres, séquences, etc.) seront au centre de ce travail. Les disciplines scientifiques concernées seront en particulier l'apprentissage automatique, l'analyse d'images, la robotique, la physique et la bio-informatique. Les étudiants auront l'occasion, en fonction des projets, d'utiliser les méthodes à noyaux, le deep learning ou la morphologie mathématique, entre autres. Les problèmes liés à l’optimisation de ces méthodes et à leur déploiement feront aussi partie de la thématique. Les domaines d'application seront très variés, allant de la conduite automatique à la santé en passant par le contrôle non destructif et la caractérisation de matériaux. Certains projets de recherche se déroulement dans le cadre de collaborations avec des partenaires industriels. ===== Prérequis ===== Tous les cours de tronc commun en mathématiques et informatique. Par ailleurs, nous conseillons fortement aux élèves intéressés par ce trimestre recherche de suivre les enseignements spécialisés suivants du troisième semestre : * Apprentissage automatique (Fabien Moutarde) * Deep learning for image analysis (Etienne Decencière, Thomas Walter, Santiago Velasco) * Analyse d’images (Beatriz Marcotegui, Samy Blusseau) Les projets de recherche de ce module d'enseignement demandent très souvent une implémentation informatique des solutions proposées. Le langage le plus courant pour ce faire est le Python. Si vous ne connaissez pas l'apprentissage automatique (//machine learning//) on vous recommande les neuf premières leçons [[https://work.caltech.edu/lecture.html| du cours du Prof. Abu-Mostafa.]] Le [[https://www.youtube.com/@CNRS-FIDLE/ | cours FIDLE du CNRS]] constitue une excellente initiation à l'apprentissage profond: Si vous avez besoin de revoir (ou de vous familiariser avec) les réseaux de neurones à base de convolutions, vous pouvez consulter [[https://www.youtube.com/playlist?list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv | ce cours]], en particulier les dix premières vidéos. ===== Déroulement ===== Le trimestre recherche commence par un cours scientifique et un formation à la recherche documentaire qui durent une semaine et demie. Le stage démarre juste après. Le trimestre s'achève par un séminaire dans lequel les élèves présentent leurs travaux. Un rapport, qui prend la forme d'une article scientifique d'une dizaine de pages, doit être rendu postérieurement. ===== Stages ===== Huit semaines sont entièrement dédiées au travail de stage. Les sujets sont proposés par des chercheurs, souvent des centres de recherche des Mines, mais aussi d'organismes extérieurs ou d'entreprises. Ces mêmes chercheurs assurent l'encadrement. [[https://cloud.minesparis.psl.eu/index.php/s/yQZfssNWHZBsCyL | Le sujets sont disponibles ici.]] ===== Année scolaire 2023-2024 ===== Cours scientifique et formation à la recherche bibliographique : 4-12 mars. Stage : 13 mars - 6 mai. Séminaire intermédiaire: **jeudi 11 avril après-midi**. Séminaire final: **après-midis des 2 et 3 mai**. ==== Rapport final ==== Le rapport final du trimestre recherche prendra la forme d'un article scientifique. Il sera rédigé en utilisant Latex, en anglais. Il ne doit pas dépasser les 10 pages (références bibliographiques non comprises). Si vous avez prévu de soumettre votre article à une conférence précise, vous pouvez alors prendre directement le modèle Latex de celle-ci et vous conformer aux instructions correspondantes (même si le nombre maximal de pages est inférieur à celui que nous demandons par défaut). Deux conditions doivent être impérativement respectées pour adopter ce choix: - vous devez avoir l'accord de vos encadrants; - la soumission doit se faire pendant le mois de mai. L'article doit contenir: * une introduction, décrivant le contexte, les défis et les objectifs du projet de recherche; * des éléments de bibliographie; * une description rigoureuse du travail effectué; * une conclusion et des perspectives. Il sera accompagné d'illustrations adaptées. Il doit s'adresser à des lecteurs qui connaissent bien le domaine de recherche, sans forcément être des spécialistes de votre sujet. Il doit être rendu à votre responsable de stage au plus tard le **10 mai**. ==== Evaluation ==== La note du trimestre recherche est calculée à partir de 5 critères: - Travail fourni (investissement dans le stage) ; - Inventivité (force de proposition, idées) ; - Clarté du support de la présentation finale ; - Qualité du discours de la présentation finale (oral de l'exposé, réponses aux questions, respect du temps imparti) et - Qualité du rapport final.