DatInG : Data Intelligence Group

Équipe SIGMA

Signal, Models and Applications

Responsable: Rémy Boyer

PRÉSENTATION MEMBRES THÈSES PUBLICATIONS

Présentation

Les compétences de l’équipe SIGMA reposant sur des fondements solides en statistiques et en géométrie, ses membres s’intéressent aux objets mathématiques extraits de mesures physiques comme par exemple les images, la lumière polarisée, les sons, les vidéos ou encore les capteurs chimiques ou de turbulence. Ces signaux et leurs propriétés sont traités en utilisant le formalisme Bayésien, la théorie des fonctions de croyance, la géométrie de l’information ou la théorie de l’information.
Avec pour dénominateur commun le traitement et la modélisation statistique des signaux, nos activités de recherche s’inscrivent dans les communautés relevant de l’inférence Bayésienne, de la théorie de la décision évidentielle, de l’imagerie polarimétrique ou de la sécurité de l’information.
L’équipe SIGMA s’appuie également sur des relations fortes avec le master Décision et Analyse de Données de l’École Centrale Lille et l’option de traitement statistique du signal de Telecom-Lille.

Illustrations de nos recherches :

  • Inférence Bayésienne et méthodes de Monte-Carlo : suivi d’objets vidéo, modélisation inverse (remontée aux données sources)
  • Fusion de données : prise de décision à partir d’un réseau de capteurs
  • Sécurité de l’information : détection d’intrusion et de signaux faibles ; authentification automatique de documents imprimés
  • Imagerie polarimétrique : détection d’artefacts sur des matériaux.

Ayoub Belhadji

Adaptive subspace discovery using determinantal point processes for signal processing

Solène Bernard

Stéganographie d'images numériques via l'utilisation de réseaux de neurones sous présence d'un adversaire

Kévin Brou boni

Learning to Generate Pseudo-CT images from MR images for Radiotherapy

Arnaud Deleruyelle

Segmentation d'images de microscopie cellulaire par apprentissage profond

Alexandre Escande

Imagerie par résonance magnétique

Ouafae Karmouda

Apprentissage automatique/statistique pour les données tensorielles

Quentin Mayolle

Développement de nouvelles méthodes pour l'évaluation non-destructive des infrastructures ferroviaires. Utilisation de technologie Laser et de traitement statistique des signaux

Rui Min

Modèles et méthodes de Monte-Carlo séquentielles pour le suivi dan sles espaces de grande dimension

Alain Rivero

Analyse des données pour la surveillance de la voie ferrée

Les autres équipes du groupe thématique ' DatInG '

LINKS MAGNET SCOOL