Les Thèmes de recherche

Associé à l’INRIA Saclay, le centre de la vision numérique, crée en 2011, se situe à l’intersection entre les mathématiques et l’informatique, en quête de modèles mathématiques et de leurs solutions informatiques pour la structuration automatique, l'interprétation et la compréhension de données (visuelles) massives en mettant l'accent sur ​​l'apprentissage automatique, la vision par ordinateur et les modèles discrets en analyse d'images biomédicales.
 

Vision par ordinateur

Reconstruction d’images, détection de frontières, segmentation avec ou sans modèle, estimation et suivi du flot, analyse d’images, reconnaissance d’objets et modélisation 3D à large échelle basée sur une grammaire...

Machine Learning et Optimisation

Auto-apprentissage, modèles graphiques probabilistes, apprentissage à instances multiples, régression à sortie structurée, méthodes à noyaux, apprentissage multitâches, en ligne, ou de transfert...

Analyse d’images biomédicales (équipe galen-inria)

Détection et reconstruction comprimée, détection de tumeurs, segmentation d’organes, recalage et fusion déformables d’images, modélisation longitudinale d’organes, anatomie virtuelle, études de population et la compréhension du cerveau...

Domaines d’application

 

  • Systèmes industriels complexes (automatisation, tri optique, robotique, systèmes de contrôle, contrôle non-destructif) ;
  • Industrie automobile (aide à la conduite, détection de piétons, régulateur automatique de vitesse, aide au stationnement) ;
  • Santé (diagnostique assisté par ordinateur, capteurs multimodaux, exploration de données, imagerie par bio-marqueurs, chirurgie assistée par ordinateur)

 

Partenaires académiques

Institut Gustave Roussy (FR), Kremin-Bicêtre Hospital (FR), Henri Mondor Hospital (FR), European Hospital Georges Pompidou (FR), Pitié-Salpêtrière Hospital (FR), Université Paris-Est Marne La Vallée (FR), École des Ponts-ParisTech (FR), North Caroline State University (USA), Stanford University (USA), StonyBrook University (USA), University of Pennsylvania (USA), University of California at Los Angeles (USA), Sup’Com Tunis (TU), Technical University of Munich (DE), Heriot-Watt University (UK), University of Edinburgh (UK), University College London (UK), Aalto University (Finland), Polithenica University (RO), Ecole Polytechnique de Montreal (CA), University of Toronto (CA), Indraprastha Information Institute of Technology, Hyderabad (IN), Aristotle University of Thessaloniki (GR), Polish Academy of Sciences (PO)
 

Partenariats et collaborations

DATAIA, Digiteo, Medicen
 

Partenaires industriels

  • CEA
  • Essilor
  • General Electric Healthcare
  • Heartflow
  • Safran
  • Schneider Electric
  • SNCF
  • Thales

 

Chiffres clés 2022
 

  • Enseignants-chercheurs et chercheurs: 8
  • Doctorants : 18
  • Personnels techniques et administratifs : 2
  • Publications (source Web of science) : 21

 

Fiche CVN 2022

Télécharger ICI

 

Contact

Site web

Directeur : Jean-Christophe Pesquet

Email : Jean-Christophe.pesquet[at]centralesupelec.fr

Les dernières publications

Communication dans un congrès
17/06/2024
Transductive Zero-Shot and Few-Shot CLIP
Ségolène Martin, Yunshi Huang, Fereshteh Shakeri, Jean-Christophe Pesquet, Ismail Ben Ayed
Communication dans un congrès
27/05/2024
Deep learning method for accessible eccentric photorefraction
Mathieu Vu, Emilie Chouzenoux, Jean-Christophe Pesquet, Stéphane Boutinon, Marius Peloux, Philippe Pinault
Communication dans un congrès
27/05/2024
A transductive few-shot learning approach for classification of digital histopathological slides from liver cancer
Aymen Sadraoui, Ségolène Martin, Eliott Barbot, Astrid Laurent-Bellue, Jean-Christophe Pesquet, Catherine Guettier, Ismail Ben Ayed
Communication dans un congrès
02/05/2024
Adaptive importance sampling for heavy-tailed distributions via α-divergence minimization
Thomas Guilmeau, Nicola Branchini, Emilie Chouzenoux, Víctor Elvira
Communication dans un congrès
14/04/2024
Voir toutes les publications du laboratoire sur HAL