Ecole Polytechnique de Tunisie

Le domaine du traitement d'images par ordinateur connu en anglais sous le nom Computer Vision connaît un intérêt certain dans la communauté de recherche et de développement depuis plusieurs décennies. En effet depuis l'apparition des réseaux sociaux une attention particulière et donnée par le monde à l'image qu'on donne de soi et non pas forcément à la réalité de ce qu'on est. Ainsi, des algorithmes et des modèles divers et variés voient le jour à chaque instant, ces derniers sont conçus afin de redonner à l'existant une image dorée, une image filtrée, une image perfectionnée.

Cet intérêt ne se limite pas aux images d'humains ou de l'environnement de l'humain mais s’étend à l'analyse et la compréhension de tout contenu imagé soit à partir d'images fixes ou de vidéos. 

Les méthodes classiques de traitement d’images, appelées en anglais ‘hand-crafted methods’ ont connu un développement et un essor particulier au début des années 2000. Cependant, elles ont atteint leurs limites et de nouvelles technologies ont pris le relais, notamment, des méthodes et des techniques basées sur l’apprentissage automatique ‘machine learning’, sur l’apprentissage profond ‘deep learning’ et de plus en plus sur les modèles larges de vision  ‘large vision models’. Dans ce cours nous allons adopter une démarche progressive qui commence par définir ce qu'est une image numérique à partir de l'étape même de sa formation de sa numérisation et de son traitement par un ordinateur.

Ensuite, ce cours traite de quelques traitements appliqués à l’image numérique pour permettre son analyse, sa compréhension ou sa préparation à des étapes de traitement plus poussées.

 Dans un second lieu, les méthodes d'apprentissage automatique pour le traitement de l'image seront abordées et ceci pour des applications bien précises et bien ciblées telles que l'extraction de fond, l'augmentation de l'illumination, le suivi de personnes et d’objets, etc. Enfin, les méthodes d'apprentissage profond seront étudiées en particulier les réseaux neuronaux convolutionnels, les réseaux neuronaux profonds et les transformateurs visuels. Ce cours sera accompagné d'ateliers pratiques ainsi que du développement d'un projet personnalisé pour chaque étudiant ou groupe d'étudiants.

A travers ce cours, les étudiants apprendront les concepts fondamentaux, les algorithmes et la mise en œuvre pratique de techniques de Machine Learning (ML) et de  Deep Learning (DL),  leur permettant de résoudre des problèmes de traitement d'images du monde réel. Ils auront également l’occasion de présenter leur travaux de recherche sous forme d’un article de revue afin de s’initier à la rédaction scientifique, à la critique bibliographique et à la présentation synthétique de résultats de recherche.