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 2023
 

  • Enseignants-chercheurs et chercheurs: 8
  • Doctorants : 16
  • Personnels techniques et administratifs : 2
  • Publications (source Web of science) : 17

 

Fiche CVN 2023

Télécharger ICI

 

Contact

Site web

Directeur : Jean-Christophe Pesquet

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

Les dernières publications

Pré-publication, Document de travail
19/12/2024
How Fair is Your Diffusion Recommender Model?
Daniele Malitesta, Giacomo Medda, Erasmo Purificato, Ludovico Boratto, Fragkiskos D. Malliaros, Mirko Marras, Ernesto William de Luca
Communication dans un congrès
15/11/2024
ComBat-MLE: A novel perspective on developing and solving ComBat harmonization method
Yingping Li, Emilie Chouzenoux, Shuiping Gou, Peng Zeng, Samy Ammari, Nathalie Lassau
Article dans une revue
01/11/2024
DeConFCluster: Deep Convolutional Transform Learning based Multiview Clustering Fusion Framework
Pooja Gupta, Anurag Goel, Angshul Majumdar, Emilie Chouzenoux, Giovanni Chierchia
Pré-publication, Document de travail
01/11/2024
An Effective Iterative Solution for Independent Vector Analysis with Convergence Guarantees
Clément Cosserat, Ben Gabrielson, Emilie Chouzenoux, Jean-Christophe Pesquet, Jean-Christophe Pesquet, Tülay Adali
Communication dans un congrès
27/10/2024
Unrolled projected gradient algorithm for stain separation in digital histopathological images
Aymen Sadraoui, Astrid Laurent-Bellue, Mounir Kaaniche, Amel Benazza-Benyahia, Catherine Guettier, Jean-Christophe Pesquet
Voir toutes les publications du laboratoire sur HAL