Apprentissage

...

Responsable d'équipe : Paul Honeine

L’objectif général consiste en l’étude des techniques de modélisation et d’apprentissage statistiques permettant d’appréhender la diversité des données (dimensionnalité, structures, non stationnarité) et la nature des solutions attendues (connaissances a priori).

Approches

  • Apprentissage multi-sources, multi-vues, multi-modales
  • Apprentissage semi-supervisé ou faiblement supervisé
  • Apprentissage par transfert, adaptation de domaine, transport optimal
  • Apprentissage robuste et IA de confiance
  • Modèles à architecture profonde
  • Réseaux de neurones récurrents
  • Réseaux adverses génératifs
  • Analyse de graphes, appariement de graphes, métriques sur graphes
  • Modèles à bases de graphes, représentations multi-échelles
  • Modèles parcimonieux, apprentissage de dictionnaire et décomposition tensorielle
  • Fusion d’information, apprentissage ensembliste, forêts aléatoires
  • Modélisation de l'information spatiale et temporelle
  • Apprentissage fédéré et serious games

Applications

  • Reconnaissance de l’écriture
  • Analyse de documents manuscrits
  • Analyse de documents anciens
  • Recherche d’information
  • Imagerie médicale
  • Analyse de gestes sportifs
  • Analyse et synthèse de molécules
  • Analyse de scènes routières
  • Analyse du trafic routier
  • Gestion des risques
  • Dynamiques spatiales historiques
  • Analyse et description de scènes audio
  • Analyse de séries temporelles

Nos partenaires

Collaborations Internationales

    Collaborations institutionnelles nationales
    Collaborations institutionnelles régionales
    Partenaires industriels

    Projets

    Chaire IA RAIMO : A Road toward safe Artificial Intelligence in MObility (ANR, 2020-2024)

    EXO-POPP : Optical Extraction of Handwritten Named Entities for the Marriage Certificates of the Population of Paris (1921-1946) (ANR, 2021-2024)
    Partenaire principal : LARHRA

    CATCH : Compréhension Automatique de Témoignages de Capteurs Humains (ANR, 2021-2023)
    Partenaires : SaagieAtmo Normandie

    LabCom L-Lisa Laboratoire commun LITIS Saagie (ANR, 2021-2025)
    Partenaire : Saagie

    SCHISM : Supporting CHemoinformatics via Interactive unsupervised and Semi-supervised data Mining (FEDER, 2020-2024)

    Partenaires : GREYCCERMN

    DeepART : Medical Image collection, segmentation and anonymization for DEEP learning in Adaptive Radiation Therapy (2020-2022)
    Partenaires : 
    Centre François BaclesseCentre Henri BecquerelGREYC

    WeSmile : Weakly supervised medical image segmentation (PHC Van Gogh, 2020-2022)

    Partenaire : Eindhoven TU

    AMCAS : Apprentissage Machine pour la Compréhension de l’Atomisation Secondaire (2020-2022)
    Partenaire : CORIA

    THESIS : THermoplastic Erosion Shield for new generation Ice protection System (2019-2022)
    Partenaires : Zodiac Aerosafety Systems (aujourd'hui SAFRAN), Analyse and Surface, Dedienne Multi-plasturgy Group, IRSEEM, GPM, CORIA

    ESCAPE SG : Serious game de gestion d'évacuation (2019-2022)

    Partenaires : UMR IDEESUMI UMMISCO

    APi : Apprivoiser la pré-image - Taming the Beast of the Preimage in Machine Learning for Structured Data : Signal, Image and Graph (ANR, 2018-2023)

    Partenaires : LTCI, LIG

    PAUSE APi : subvention complétant l'ANR APi dans le cadre du programme national d'aide à l'accueil en urgence des scientifiques en exil (PAUSE) piloté par le Collège de France

    NormanD'eep : Deep learning et application (2018-2022)
    Partenaire : GREYC

    ASTURIAS : Analyse d'images de journaux (2018-2022)
    Partenaires : GREYC, Equipe MIND du LITIS

    DeepInFrance : Deep learning et apprentissage (ANR, 2018-2022)
    Partenaires : INRIA GrenobleI3SGREYCLIF-AMULIP6

    LEAUDS : Reconnaissance d'évènements sonores (ANR, 2018-2022)
    Partenaires : 
    NetatmoINRIA Nancy - Grand Est

    ESCAPE : Simulation d'évacuation massive de la population (ANR, 2017-2022)
    Partenaires : 
    UMR IDEESUMI UMMISCO

    DynACEV : Dynamique de l’Apprentissage: Comportement et Expérience Vécue. Quelle place pour les stratégies d’exploration ? (ANR, 2017-2022)
    Partenaire : CETAPS, ISSUL (Lausanne), MIP, SOPESES (Nouvelle-Zélande), SPARC (UK) 

    OATMIL : Transport optimal et apprentissage statistique (ANR, 2017-2022)
    Partenaires : IRISA, Lagrange
    Technicolor 

    HBDEX :  Analyse de données historiques financières (ANR, 2017-2022)
    Partenaires : 
    PSECAMSIRISA

    POPP : Projet d’océrisation des recensements de la population parisienne (1921-1946) (2020-2021) - voir démonstrateur ici
    Partenaire : LARHRA

    EurHisFirm :  Conception d'une infrastucture de recherche pour dématérialiser les informations économiques historiques en Europe sur les sociétés (H2020 EU, 2018-2021)
    Partenaires : Consortium de 16 partenaires européens 

    Read E-Doc : Développement d'u système d'extraction d'informations alphanumériques spécifique dans des bordereaux dématérialisée d'expéditions de containers (2019-2021)
    Partenaire : Toshiba


    Nos thèses CIFRE avec DataHertzLokad, TEKLIAWeinig Luxscan, ActemiumSOLYSTIC, Itekube

    Principaux logiciels


    ...

    PIVAJ

    PIVAJ (Plateforme d'Indexation et de Visualisation d'Archives de Journaux) is a software suite for automatic analysis and display of digitized historical newspapers.The offline part extracts sections, articles and text from the digitized images, to build structured METS/ALTO files.

    En savoir plus
    ...

    DocExplore

    DocExplore is a free software suite to build and display augmented books from digitization. DocExplore is WySiWyG, no XML knowledge required, and works on Windows, MacOs and Linux.

    En savoir plus
    ...

    Produits et outils informatiques de l'équipe Apprentissage

    En savoir plus