CV - Thibault Napoléon - ISEN Brest
Transcription
CV - Thibault Napoléon - ISEN Brest
Thibault Napoléon B [email protected] T 02 98 03 88 36 (Né le 14/10/1983 à Caen) Chercheur en vision par ordinateur Expériences de recherche En cours Enseignant chercheur, ISEN-Brest (Brest), Reconnaissance de forme en vision par ordinateur, Equipe VISION. 2011–2012 Post doctorat, Université de Caen - CNRS (Caen), Reconnaissance de visages dans les images et les vidéos avec des descripteurs locaux et des espaces métriques non supervisés, Projet Européen Quaero - Défi ANR Repère. supervisé par Frédéric Jurie 2006–2010 Doctorat en Traitement du Signal et Images, Télécom ParisTech (Paris), Indexation multi-vues et recherche d’objets 3D, Allocation MENESR, Mention Très honorable. supervisé par Francis Schmitt et Hichem Sahbi Expériences d’enseignement En cours Enseignant chercheur, ISEN-Brest (Brest), Chargé de cours en informatique, section 27 (informatique). 2009–2010 ATER, École Nationale Supérieure des Sciences Appliquées et de Technologie ENSSAT (Lannion), Responsable et chargé de modules en 1ère et 2ème année d’ingénieur (CM, TD, TP, Projet), 192 heures. section 27 (informatique) 2006–2009 Moniteur, Université Paris Descartes - Paris V (Paris), Chargé de modules en Licence 1, Licence 2 et Master 1, 3x64 heures. section 27 (informatique) Responsabilités administratives Responsable Responsabilités et confections de CM, TD, TP et Projet en “Reconnaissance des de modules formes”, “Apprentissage automatique”, “Algorithmique”, “Spécificités du langage C”, “C++”, “Design Patterns”, “Unix”, “Algorithmique avancée”... Responsable Responsable du défi ANR Repère pour le GREYC. Responsable des rapports d’activités de projets du GREYC pour le projet Européen Quaero. (Réunions, rapports, delivrables) Journées Participation aux journées portes ouvertes avec la démonstration d’un moteur de portes recherche d’objets 3D sur iPhone et de projets informatiques (fractale, génération ouvertes aléatoire d’arbres...) Reviewer Reviewer pour la revue Internationale Journal of Computer Vision (IJCV), la revue Journal of Zhejiang University Science (JZUSC) et la conférence ICCV. 20, rue de Cuirassé Bretagne – 29200 Brest ¹ 06 85 06 14 29 • 7 [email protected] Í http://vision.isen-bretagne.fr/∼napoleon/ 1/16 Formation 2005–2006 Master 2 d’Intelligence Artificielle et Décision (option Imagerie) et 3ème année de Magistère d’informatique, Université Pierre et Marie Curie (Paris VI) et Télécom ParisTech, Mention Bien. 2004–2005 Master 1 d’informatique et 2ème année de Magistère d’informatique, Université Pierre et Marie Curie (Paris VI) et Télécom ParisTech, Major de promotion Mention Bien. 2003–2004 Licence d’informatique et 1ère année de Magistère d’informatique, Université Pierre et Marie Curie (Paris VI) et Télécom ParisTech, Mention Bien. 2001–2003 Deug MIAS option informatique, Université de Caen Basse-Normandie, Mention Assez-bien. 2001 Baccalauréat série S, Lycée Jeanne d’Arc - Bayeux, Spécialité mathématiques. Autres expériences professionnelles Avril– Stage, VSP-Technology/LORIA, Nancy, Création d’outils et d’algorithmes graphiques Septembre 3D au sein de l’équipe de développement d’XMesh (C++, OpenGL et Qt). 2005 Juillet–Août Stage, LIP6/CNRS - Laboratoire d’informatique de Paris VI, Développement d’un 2004 outil de mise au point pour la conception de systèmes sur puce dans le cadre du projet SOCLIB (System On Chip Library) - (C++ et GTK ). Domaines de recherches Vision par Analyse et description de contenu visuel, mise en correspondance d’images, reconnaisordinateur sance de forme, extraction multi-vues de silhouettes d’objets 3D. Recherche Description de contenu multimédia, optimisation de la pertinence et de la vitesse en basée sur le recherche d’informations, processus d’indexation, reconnaissance de visages. contenu Interfaces Systèmes multi-caméras, interfaces orientées utilisateur, évolutivité, moteurs de rehomme- cherches, ergonomie, interfaces mobiles, psychologie cognitive. machine Outils informatiques Program- C++, C, Java, Objective-C, Python, Matlab, Scheme, OCaml, Pascal, HTML, PHP, mation XML, SQL, UML, Maple, Ada. Systèmes Linux, Windows, Mac OS X, UNIX. d’exploitation R Autres Qt, iOS , OpenGL, GTK, OTB, Oracle, MySQL, Subversion, Gestionnaire de Bug, Socket. Langues Anglais Avancé Collaboration avec des non francophones. Rédaction de plusieurs rapports et publications. Présentations orales lors de conférences internationales. Français Langue natale 20, rue de Cuirassé Bretagne – 29200 Brest ¹ 06 85 06 14 29 • 7 [email protected] Í http://vision.isen-bretagne.fr/∼napoleon/ 2/16 Expériences de recherche Mes activités de recherches ont pour cadre la vision par ordinateur allant de la reconnaissance des visages au suivi de personnes en passant par l’analyse des objets 3D. Je travaille actuellement sur des systèmes de reconnaissance et de suivi de personnes dans des environnements multi-caméras pour la sécurité, ainsi que le maintien à domicile. Durant ma thèse, j’ai travaillé sur l’indexation et la recherche d’objets 3D où j’ai pu proposer de nouvelles techniques alliant rapidité et robustesse des traitements. J’ai aussi effectué un post-doctorat en reconnaissance de visages où ma principale contribution a été la projection de descripteurs locaux dans des espaces adaptés à leur comparaison. Enseignant- Suivi automatique, reconnaissance de visage et descripteur LBP - (6 publiChercheur cations) (En cours) ISEN-Brest - Equipe Vision (Brest) Dans le cadre de mes travaux de recherches, relatifs à mon poste d’enseignant/chercheur au sein de l’ISEN-Brest, j’ai développé plusieurs thématiques. Dans un premier temps j’ai co-encadré la thèse de Djamel Benarab portant sur l’évaluation des performances des nageurs à partir d’analyse vidéo. Je contribue aussi au développement d’algorithmes de vision par ordinateur pour le studio connecté de l’ISEN-Brest (environnement multicaméras). D’autre part, je poursuis mes activités dans le domaine de la reconnaissance de visage avec de nouvelles approches basées sur la corrélation numérique de type VLC ou JTC. Finalement, j’explore de nouveau les aspects de reconnaissance 3D afin d’apporter de nouvelles informations à la reconnaissance d’objet 2D dans des environnements réels. Thèse de Suivi automatique du nageur et application à l’analyse des performances Djamel L’évaluation des performances des nageurs de haut niveau est un sujet qui intéresse Benarab beaucoup les entraineurs de la Fédération Française de Natation (FFN). Cependant, (2013–2016) il n’est pas toujours possible de faire porter un capteur aux sportifs ou de mettre en place un environnement expérimental complexe. Dans ce cadre, la thèse de Djamel Benerab propose d’analyser la vitesse instantanée des nageurs à l’aide d’un système simple de caméras posés avec très peu de contrainte dans les gradins du bassin. En particulier, de nouvelles méthodes de suivi ont été proposées afin de prendre en compte les informations de couleurs, de formes, de trajectoires... du nageur. Dans un premier temps, une approche de fusion de descripteurs a été mise en place pour améliorer la robustesse du suivi. Ensuite, une méthode de suivi multizone a été développée afin de pallier les problèmes d’occlusion de la tête ou du maillot de bain du nageur. Finalement, un ensemble de prétraitements automatiques a été mis en place afin d’extraire les couloirs de nage, les nageurs ainsi que les bouchons nécessaire à la calibration automatique du bassin. L’ensemble de ces travaux a été validé sur les championnats de France de Limoges en 2015 ainsi qu’au championnat du monde de Kazan en 2015 (voir figure 1). Environnement multi-caméras : suivi et reconnaissance de personnes L’ISEN-Brest a récemment mis en place un studio connecté comprenant plusieurs R caméras et capteurs (caméras infra-rouge et rotative, Kinect , bracelet connecté...). Dans ce cadre, je développe de nouveaux algorithmes de suivi et de reconnaissance mettant à profit les éléments du studio. Il est par exemple possible de filtrer l’accès grâce à une caméra située à la porte d’entrée, de détecter les activités au sein de la pièce ou encore de gérer l’allumage automatique des lumières si besoin. Finalement, différentes solutions matérielles et logicielles ont été mises en place afin de faciliter l’installation de nouveaux équipements ou prototypes (voir figures 3 et 4). 20, rue de Cuirassé Bretagne – 29200 Brest ¹ 06 85 06 14 29 • 7 [email protected] Í http://vision.isen-bretagne.fr/∼napoleon/ 3/16 Reconnaissance de visage : invariance à la pose par reconstruction 3D Les récents algorithmes de reconnaissance de visage offrent des performances proches des humains. Cependant, ces nouvelles méthodes nécessitent que les visages à reconnaitre soient de face, ce qui n’est pas toujours le cas dans un environnement réel. Afin d’offrir des performances accrues, je propose de simuler la rotation du visage grâce à la reconstruction 3D à partir d’une unique photo de face. Mon approche utilise une déformation de maillage associée à une détection de points clés. Une fois la nouvelle base de données constituée, la reconnaissance est effectuée à l’aide d’algorithmes classiques de reconnaissance tels que ceux utilisant les LBP (voir figures 5 et 6). Reconnaissance de visage : invariance à l’illumination par LBP et VLC L’invariance à l’illumination, dans les approches de reconnaissance de visage, est un sujet largement étudié. Dans ce cadre, j’ai développé une nouvelle méthode permettant de limiter drastiquement les effets d’ombre sur les images de visages en associant le descripteur LBP avec les techniques de corrélation numérique. Le premier permet d’extraire des informations pertinentes alors que la corrélation permet une comparaison robuste des personnes avec la base de données (voir figure 2). Post- Reconnaissance de visage dans les images et les vidéos avec des descripteurs Doctorat locaux et des espaces métriques non supervisés - (2 publications) (2011–2012) Université de Caen - CNRS (Caen) - supervisé par Frédéric Jurie La reconnaissance des visages est un sujet qui a toujours passionné les chercheurs en vision par ordinateur. Malgré la richesse de l’état de l’art, de nombreux problèmes restent encore à résoudre. En effet, même si la vérification d’une identité par la reconnaissance de visage est un problème quasiment résolu dans le cas contraint (où l’illumination, la pose ou encore la résolution est fixée) il n’en est pas de même dans le cas général. En particulier, la base de données LFW (Labeled Faces in the Wild) propose d’évaluer les algorithmes dans un environnement ouvert où les visages proviennent d’articles parus sur Internet. Dans ce cadre, j’ai proposé durant mon post-doctorat une nouvelle méthode non supervisée de reconnaissance qui rivalise avec les approches supervisées de l’état de l’art (voir figure 8). Descripteur à base de mots visuels binaires Même si de nombreuses techniques existent pour décrire un visage, les motifs binaires locaux LBP ont montré leur intérêt grâce à un faible coût de calcul et à une bonne pertinence. D’autre part, les sacs de mots ont aussi permis d’améliorer de nombreuses méthodes de détection et de reconnaissance d’objets. Dans ce cadre, j’ai proposé de combiner ces deux approches afin de construire un descripteur plus pertinent. Celui-ci calcule un motif binaire, basé sur le voisinage, pour chaque pixel de l’image avant de l’associer à un mot visuel. Associée à une quantification par histogramme, cette méthode de caractérisation du visage permet d’atteindre l’état de l’art non-supervisé. Espaces métriques non supervisés Afin de rivaliser avec les méthodes supervisées basées le plus souvent sur une combinaison de descripteur et/ou une étape d’apprentissage de métrique, j’ai proposé de projeter les descripteurs dans un nouvel espace plus adapté à leur comparaison. En particulier, j’ai décidé de réduire la dimension des données en utilisant une analyse en composantes principales permettant de réduire les corrélations et de l’associer à une étape de sphérisation permettant de repondérer chaque composante. L’intérêt principal de cette méthode est son aspect non-supervisé et sa robustesse face au changement d’illumination ou de pose. 20, rue de Cuirassé Bretagne – 29200 Brest ¹ 06 85 06 14 29 • 7 [email protected] Í http://vision.isen-bretagne.fr/∼napoleon/ 4/16 Évaluations et résultats La validation de notre méthode a été effectuée sur trois bases de données différentes permettant d’évaluer sa robustesse par rapport à la pose, l’illumination ou encore la résolution des images. Pour chacun des jeux de données, notre approche a montré sa pertinence par rapport à l’ensemble de l’état de l’art grâce à la qualité de son descripteur. En particulier, notre méthode améliore de 14 points l’état de l’art non supervisé de la base LFW et rivalise avec les approches supervisées. Doctorat Indexation multi-vues et recherche d’objets 3D - (7 publications) (2006–2010) Télécom ParisTech (Paris) - supervisé par Francis Schmitt et Hichem Sahbi Rapporteurs Matthieu Cord (Université Paris 6) et Anne Verroust-Blondet (INRIA Rocquencourt) Examinateurs Jean-Luc Dugelay (Eurecom) et Hervé Glotin (Université de Toulon) L’indexation et la recherche d’objets 3D est un sujet complexe de par la nature des données étudiées ainsi que par la variété des étapes qu’il est nécessaire de mettre en place afin de répondre efficacement à cette tâche. Un système performant est basé, le plus souvent, sur trois briques qui sont : l’estimation de la pose (alignement), la description du contenu (indexation) et le processus d’interrogation de la base (recherche). Estimation de la pose (alignement) Pour l’étape d’alignement, j’ai proposé un nouveau critère d’estimation de la pose d’un objet 3D en accord avec des études en psychologie cognitive. Ce critère est basé d’une part sur le calcul de la sphère minimale englobante et d’autre part sur la minimisation de l’enveloppe visuelle (voir figure 9). Cette approche a montré sa robustesse par rapport aux méthodes de l’état de l’art et a permis de réduire le temps de calcul nécessaire à l’estimation de la pose. Description du contenu (indexation) Afin de caractériser la forme d’un objet 3D, j’ai développé et étudié trois nouveaux descripteurs basés sur les ensembles de pixels, les informations de convexités/concavités des contours et des cartes de normales. Ce qui m’a particulièrement intéressé dans cette étape d’extraction de la forme est le développement d’une approche 2D multi-vues, où l’on décrit l’objet 3D à partir de représentations 2D de celui-ci, qui améliore les approches 3D conventionnelles. J’ai, en particulier, travaillé sur l’étude des contours 2D de l’objet 3D à travers les convexités/concavités de celui-ci (voir figure 10). Interrogation de la base (recherche) Pour la dernière étape qui consiste à interroger la base de données j’ai cherché à améliorer la pertinence et le temps de recherche à travers des techniques de fusion d’informations et d’élagage précoce. D’autre part, je me suis penché sur les moyens permettant à l’utilisateur de rechercher un objet 3D dans la base de données. Cette réflexion m’a amené à proposer un système de requête par dessin au trait et par photo alliant pertinence des résultats et ergonomie. Résultats et concours Afin d’évaluer mes travaux de thèse, j’ai comparé mes approches avec les méthodes de l’état de l’art sur trois bases de données différentes. Les résultats ont montré que les descripteurs développés durant mon doctorat améliorent les résultats actuels. Finalement, afin de valider mes travaux à plus grande échelle, j’ai participé au concours international Shrec (Shape Retrieval Contest) et remporté la première place en 2009. 20, rue de Cuirassé Bretagne – 29200 Brest ¹ 06 85 06 14 29 • 7 [email protected] Í http://vision.isen-bretagne.fr/∼napoleon/ 5/16 Transferts technologiques Miro 3D Interface graphique pour l’indexation et la recherche d’objet 3D Le prototypage, l’élaboration, le réglage et l’évaluation de nouvelles méthodes est nécessaire dans une thèse orientée vers la vision par ordinateur. Cependant, étant donné que le traitement des objets 3D, en vue de leur indexation et de leur recherche, est encore peu développé, j’ai été confronté au manque de solutions permettant d’expérimenter différents algorithmes. Dans ce cadre, et afin de tester, d’ajuster et de modifier les différentes techniques que j’ai proposées au cours de ma thèse, j’ai développé un outil basé sur une interface graphique (C++ et Qt). Cet outil offre les fonctionnalités suivantes (voir aussi figure 7.a) : — Chargement d’une liste d’objets 3D à travers un fichier contenant leur liste. — Choix de la méthode d’alignement. — Outil d’extraction des descriptions par intersection, par convexités/concavités et par cartes de normales. — Possibilité de choisir le nombre de vues et la résolution des silhouettes. — Mise en correspondance des trois signatures proposées avec élagage précoce et fusion d’informations. — Visualisation 3D. — ... Prototype Application de recherche d’objet 3D sur terminal mobile à partir de dessin R iPhone au trait Dans le but de prouver la mise en oeuvre de mes travaux de thèses pour le grand public, j’ai réalisé un prototype de moteur de recherche d’objets 3D sur terminal mobile. Cet outil alliant ergonomie et pertinence des résultats a été développé sur iPhone (Objective-C ) et utilise une interface réseau pour communiquer avec un serveur distant stockant les objets 3D. Le type de requête choisi pour ce prototype est le dessin au trait qui permet à l’utilisateur de pouvoir interagir rapidement et simplement avec le moteur de recherche. Le processus d’interrogation est présenté sur la figure 7.b. Défi repère Outil de reconnaissance de visages pour les journaux télévisés Lors de mon post-doctorat j’ai eu la chance de participer au défi ANR repère qui cherche à évaluer la reconnaissance de personnes dans des documents télévisuels en utilisant des approches multimodales. En collaboration avec des équipes du projet Européen Quaero (INRIA, LIG, LIMSI, Université de Karsruhe) j’ai eu pour tâche de développer un outil permettant la reconnaissance des visages dans des vidéos en m’appuyant sur les informations textuelles et audio fournies par mes collaborateurs. Lors du test à blanc de février 2012 nous avons obtenu une première place grâce à la pertinence de nos outils et méthodes. 20, rue de Cuirassé Bretagne – 29200 Brest ¹ 06 85 06 14 29 • 7 [email protected] Í http://vision.isen-bretagne.fr/∼napoleon/ 6/16 Expériences d’enseignement L’ensemble des enseignements que je présente ici ont eu lieu à l’institut supérieur d’électronique et du numérique de Brest (ISEN-Brest), à l’école d’ingénieur de Lannion (ENSSAT ) ou à l’université Paris Descartes (Paris V ). ISEN En Responsable du module “Reconnaissance des formes” - 3ème année ingénieur cours - 16h - (CM, TP et Projet) 250h Dans ce module de reconnaissance des formes, destiné à la majeure Technologies Biomédicales, j’aborde les premières notions nécessaires à la description et à l’analyse d’images. En particulier, je m’attarde sur la reconnaissance de visage en utilisant le descripteur LBP pour extraire les informations du visage et j’introduis un ensemble de métriques pour la mise en correspondance. Dans un second temps, j’aborde des techniques de contour de formes pour la reconnaissance de chiffres manuscrits. Finalement, je propose un projet de reconnaissance de formes basé sur la détection et le comptage de billes d’or dans les images médicales issues de microscopes. Responsable du module “Apprentissage automatique” - 3ème année ingénieur - 12h - (CM, TP et Projet) A travers ce cours d’apprentissage automatique, mon but est de faire découvrir aux étudiants, des majeures Robotique et Technologies Biomédicales, les techniques permettant d’introduire un peu d’intelligence dans nos algorithmes. Pour commencer, j’aborde la régression linéaire par des techniques de descente de gradient appliquée aux données météorologique. Puis, dans un second temps j’introduis les algorithmes génétiques que j’illustre par une résolution de labyrinthe. Pour finir, je présente le clustering à travers l’algorithme K-Means ainsi que la classification par SVM. L’illustration de cette dernière partie est basée sur l’utilisation des sacs de mots (Bag-Of-Words) pour la classification d’images. Responsable du module “Algorithmique” - 1ère année de prépa informatique 80h - (CM, TD, TP et Projet) Dans ce cours d’algorithmique, je présente les différents concepts permettant d’utiliser la puissance d’un ordinateur pour effectuer des calculs. En particulier, j’illustre l’ensemble de ce module par l’apprentissage du langage C. Après une brève introduction j’explique le principe des variables, opérateurs et expressions avant d’introduire les bases de l’algorithmique, à savoir les instructions conditionnelles et les boucles. Je présente ensuite les fonctions ainsi que les tableaux (statiques et dynamiques) pour finir avec la lecture/écriture de fichier. L’une des particularités de mon approche est l’introduction de la notion de pointeur très tôt afin de familiariser les étudiants avec la notion de mémoire. De plus, les étudiants suivant ce module avancent à leur rythme afin de construire solidement les bases de l’algorithmique. 20, rue de Cuirassé Bretagne – 29200 Brest ¹ 06 85 06 14 29 • 7 [email protected] Í http://vision.isen-bretagne.fr/∼napoleon/ 7/16 Responsable du module “Design Patterns” - 1ère année ingénieur - 20h - (CM et TP) A travers ce module j’approfondie les principes du développement objet en y ajoutant les notions de patrons de conceptions. Dans un premier temps je sensibilise les étudiants aux techniques de conceptions avancées de logiciels (évolutivité, maintenance, réutilisation...). Je présente ensuite différents patrons de conceptions du Gang Of Four à savoir : les patrons de créations, structures et comportements. L’ensemble du cours est illustré par des applications Java concrètes construites autour d’interface graphique. Le cours est finalement évalué par le développement d’une application permettant aux étudiants de regrouper plusieurs patrons de conceptions, à choisir selon le sujet, dans le but de simplifier la maintenance et l’évolutivité du code. ATER Responsable du module “Unix programmation” - 2ème année ingénieur - 36h 2009–2010 (CM, TP et Projet) 192h La responsabilité de ce module a été pour moi l’occasion de dispenser pour la première fois un cours magistral. Étant donné que j’avais une parfaite maîtrise du sujet, il m’a été possible de travailler plus en profondeur sur l’aspect pédagogique de cet enseignement à travers l’élaboration d’exemples concrets et d’un nouveau projet réutilisant toutes les parties du cours. Outre la phase importante de création du support de cours, j’ai dû faire le lien avec l’ensemble de l’équipe pédagogique intervenant dans ce module dont j’avais la charge. Finalement, les retours des étudiants et de mes collègues ont été très positifs et mon cours sert encore de base à l’enseignement de ce module. Responsable du module “Java interface” - 2ème année ingénieur - 30h - (CM, TP et Projet) Au cours de ce module de programmation d’interface graphique sous Java, j’ai eu la chance d’améliorer le support de cours existant et de proposer une série d’exemples concrets servant d’illustration au cours magistral. Outre les interfaces graphiques, je devais transmettre aux étudiants mes connaissances et mon savoir-faire en développement objet avec des concepts de “Design Pattern” et d’ergonomie des interfaces. Par ailleurs, j’ai eu la charge de proposer un nouveau sujet de TP alliant calcul scientifique et interface graphique (TP sur les fractales). Finalement, j’ai eu un bon retour des étudiants malgré des dates de rendus de projet parfois difficile à faire respecter. Responsable du module “Spécificités du langage C” - 1ère année ingénieur 24h - (CM, TD, TP et Projet) À travers ce module de première année j’ai eu pour responsabilité de familiariser les étudiants avec la programmation impérative et les spécificités du langage C. Ce cours a été particulièrement intéressant car les étudiants n’avaient que très peu de connaissances en programmation. Finalement, mon choix d’un contrôle continu a permis aux étudiants d’assimiler petit à petit les notions indispensables au projet de fin de module. Pour celui-ci, j’ai élaboré un sujet portant sur la génération d’arbres aléatoires avec des règles de croissance et de reproduction probabilistes. L’intérêt majeur étant de jouer avec les structures d’arbres en C. 20, rue de Cuirassé Bretagne – 29200 Brest ¹ 06 85 06 14 29 • 7 [email protected] Í http://vision.isen-bretagne.fr/∼napoleon/ 8/16 Responsable du module “Unix utilisation” - 1ère année ingénieur - 29h - (CM, TD, TP) Dans ce module d’initiation à l’environnement Unix j’ai eu la charge de donner les bases nécessaires à l’utilisation des outils informatiques de l’école. Ainsi les étudiants ont appris les commandes shell indispensables aux TP réalisés dans d’autres cours. Dans ce module j’ai aussi familiarisé les étudiants avec les lois “Informatique et libertés” permettant de développer et d’utiliser légalement les outils informatiques. Chargé de modules en 1ère et 2ème année ingénieur Au cours de mon année d’ATER, j’ai aussi eu l’occasion d’encadrer un grand nombre de TD, TP et Projet. Grâce à ma maîtrise des langages de programmation et des techniques algorithmiques utilisés dans divers domaines, j’ai pu focaliser mon travail sur l’aspect pédagogique de l’enseignement. Ainsi, j’ai pu être très attentif à la progression de chaque étudiant, à leurs problèmes de compréhension mais aussi à ma façon de transmettre mon savoir à travers la formulation et la reformulation des explications. - Algorithmique distribuée - 16h - (TP, Projet) Intelligence Artificielle - 10h - (TP, Projet) Spécification et algorithmique en Pascal - 32h - (TD, TP) Structures algorithmiques en C - 44h - (TP, Projet) Unix Programmation et utilisation - 32h - (TP) Structures de données en Ada - 32h - (TP) Moniteur Chargé de modules en Licence 1, Licence 2 et Master 1 2006–2009 3x64h L’expérience de moniteur a été pour moi l’occasion de débuter ma carrière passionnante d’enseignant. En effet, ces trois années m’ont permis de développer mon esprit pédagogique et ma façon d’enseigner les bases de l’informatique. À travers un ensemble de TD et de TP, j’ai pu apprendre aux étudiants des techniques de programmation nouvelles à travers des exercices mais aussi des séances de questions-réponses en fin de TD. J’ai appris à m’adapter à chaque profil d’étudiant en ne laissant personne à l’écart. De plus, il a été très intéressant de noter moi-même ma progression dans mes techniques pédagogiques d’une année sur l’autre. - Programmation C avancée - 24h - (TD, TP) - Algorithmique avancée - 32h - (TD, TP) - Préparation C2I et Programmation Pascal avancée - 139h - (TD, TP) 20, rue de Cuirassé Bretagne – 29200 Brest ¹ 06 85 06 14 29 • 7 [email protected] Í http://vision.isen-bretagne.fr/∼napoleon/ 9/16 Publications Article de journal international avec comité de relecture [1] Djamel Benarab, Thibault Napoléon, Ayman AlFalou, Antoine Verney, and Philippe Hellard. Optimized swimmer tracking system based on a novel multi related targets approach. Publication à venir, 2016. [2] Thibault Napoléon and Ayman AlFalou. Pose invariant face recognition : 3d model from single photo. Publication à venir, 2016. [3] Djamel Benarab, Thibault Napoléon, Ayman AlFalou, Antoine Verney, and Philippe Hellard. Optimized swimmer tracking system by a dynamic fusion of correlation and color histogram techniques. Optics Communication, 2015. [4] Thibault Napoléon and Hichem Sahbi. From 2d silhouettes to 3d object retrieval : Contributions and benchmarking. EURASIP Journal on Image and Video Processing, 2011. Articles de conférences internationales avec comité de sélection/relecture [5] Djamel Benarab, Thibault Napoléon, Ayman AlFalou, Antoine Verney, and Philippe Hellard. All-automatic swimmer tracking system based on an optimized scaled composite jtc technique. In SPIE Security and Defense - Optical Pattern Recognition, 2016. [6] Thibault Napoléon and Ayman AlFalou. Local binary patterns preprocessing for face identification/verification using the vanderlugt correlator. In SPIE Security and Defense - Optical Pattern Recognition, 2014. [7] Djamel Benarab, Thibault Napoléon, Ayman AlFalou, Antoine Verney, and Philippe Hellard. A novel multitracking system for the evaluation of high-level swimmers performances. In SPIE Security and Defense - Optical Pattern Recognition, 2014. [8] Sibt Ul Hussain, Thibault Napoléon, and Frédéric Jurie. Face recognition using local quantized patterns. In British Machine Vision Conference BMVC, 2012. [9] Hervé Bredin, Johann Poignant, Makarand Tapaswi, Guillaume Fortier, Viet Bac Le, Thibault Napoléon, Hua Gao, Claude Barras, Sophie Rosset, Laurent Besacier, Jakob Verbeek, Georges Quénot, Frédéric Jurie, and Hazim Kemal Ekenel. Fusion of speech, faces and text for person identification in tv broadcast. In European Conference on Computer Vision (ECCV) Workshops and Demonstrations, pages 385–394, 2012. [10] Thibault Napoléon and Hichem Sahbi. Sketch-driven mental 3d object retrieval. In Three-Dimensional Image Processing (3DIP) and Applications, volume 7526, Janvier 2010. [11] Thibault Napoléon and Hichem Sahbi. Content-based 3d object retrieval using 2d views. In IEEE International Conference on Image Processing, pages 1437–1440, Novembre 2009. [12] A. Godil, H. Dutagaci, C. Akgul, A. Axenopoulos, B. Bustos, M. Chaouch, P. Daras, T. Furuya, S. Kreft, Z. Lian, T. Napoléon, A. Mademlis, R. Ohbuchi, P. L. Rosin, B. Sankur, T. Schreck, X. Sun, M. Tezuka, A. Verroust-Blondet, M. Walter, and Y. Yemez. Shrec’09 track : Generic shape retrieval. In Eurographics Workshop on 3D Object Retrieval, ACM SIGGRAPH, Mars 2009. 20, rue de Cuirassé Bretagne – 29200 Brest ¹ 06 85 06 14 29 • 7 [email protected] Í http://vision.isen-bretagne.fr/∼napoleon/ 10/16 [13] J. Hartveldt, M. Spagnuolo, A. Axenopoulos, S. Biasotti, P. Daras, H. Dutagaci, T. Furuya, A. Godil, X. Li, A. Mademlis, S. Marini, T. Napoléon, R. Ohbuchi, and M. Tezuka. Shrec’09 track : Structural shape retrieval on watertight models. In Eurographics Workshop on 3D Object Retrieval, ACM SIGGRAPH, Mars 2009. [14] Thibault Napoléon, Tomaz Adamek, Francis Schmitt, and Noel E. O’Connor. Multiview 3d retrieval using multi- scale contour representation. In SMI 2008. IEEE International Conference on Shape Modeling and Applications, Juin 2008. [15] Thibault Napoléon, Tomaz Adamek, Francis Schmitt, and Noel E. O’Connor. Multiview 3d retrieval using silhouette intersection and multi-scale contour representation. In SMI 2007. IEEE International Conference on Shape Modeling and Applications, Juin 2007. Autres publications [16] Thibault Napoléon and Hichem Sahbi. From 2d photography to 3d object retrieval : contributions and benchmarking. Technical report, Télécom ParisTech, Février 2009. [17] Projet KSpace. Délivrable 1, 2 et 3. Technical report, Télécom ParisTech, Décembre 2008. [18] Thibault Napoléon. Comparative results for intersection, mcc and zernike methods. Technical report, Télécom ParisTech, Juin 2006. [19] Thibault Napoléon. Indexation 3d : Approche 2d/3d par intersection de silhouettes. Technical report, Télécom ParisTech, Septembre 2006. 20, rue de Cuirassé Bretagne – 29200 Brest ¹ 06 85 06 14 29 • 7 [email protected] Í http://vision.isen-bretagne.fr/∼napoleon/ 11/16 Illustrations des travaux de recherches figure 1. Capture d’écran de l’application de suivi des nageurs développée au cours de la thèse de Djamel Benarab pour la Fédération Française de Natation (FFN). L’outil permet de visualiser le suivi–du nageur ainsi que sa vitesse instantanée après– Conclusion une calibration automatique Contexte Invariance à l’illumination – Invariance à la pose et perspectives du bassin. Elle permet en outre l’annotation du nageur afin d’établir une vérité terrain Comparaison (basée corrélation) et classification Description du visage (basée pixel) Prétraitements Framework : DoG + LBP + VLC Rognage de l‘image Description du visage (LBP) Filtre de corrélation (VLC) Rehaussement des contours (filtre DoG) Calcul des codes LBP (mapping) Classification basée sur un seuil Classification basée sur le plus proche voisin Thibault Napoléon figure 15 de ma méthode de [email protected] – 12 juin 2014 2. Schématisation du fonctionnement reconnaissance de visage invariante à l’illumination. Dans cette nouvelle approche, je commence par apppliquer une différence de Gaussiennes (DoG) afin d’extraire les contours nécessaires à la reconnaissance. Ensuite, je décris les informations issues du visage avec le descripteur LBP. Finalement, un filtre de corrélation VLC est appliqué afin de comparer les informations issues du descripteur précédent 20, rue de Cuirassé Bretagne – 29200 Brest ¹ 06 85 06 14 29 • 7 [email protected] Í http://vision.isen-bretagne.fr/∼napoleon/ 12/16 figure 3. Représentation du réseau de caméras mis en place avec l’infrastructure matérielle associée. Cette organisation permet un ajout rapide de matériels et rend possible leur utilisation sur des machines virtuelles hébergées sur le serveur. Les matériels utilisant une interface USB peuvent être raccordés à une machine qui transmettra par le réseau les données recueillies. figure 4. Prototype permettant la détection et la reconnaissance d’une personne. Le visage de l’individu est automatiquement flouté afin de garantir l’anonymat. Cette application propose aussi l’allumage automatique de la LED, située sur la caméra, afin d’améliorer la phase de reconnaissance. 20, rue de Cuirassé Bretagne – 29200 Brest ¹ 06 85 06 14 29 • 7 [email protected] Í http://vision.isen-bretagne.fr/∼napoleon/ 13/16 figure 5. Illustration d’un maillage utilisé pour la création d’une référence 3D d’un visage. Différents points clés sont détectés en utilisant un modèle actif de visage (ASM) puis le mailalge est déformer pour correspondre au visage d’une personne donnée. Plusieurs méthodes de déformation sont possibles : déformation par éléments finis, Laplacien... Une régularisation par distance sur graphe est aussi appliquée afin de corriger certaines propagations de déformations figure 6. Illustration de la reconstruction d’un visage 3D à partir d’une unique photo du visage. La méthode proposée permet de générer de nouvelles orientations allant de −90◦ à +90◦ . Ensuite, la comparaison du visage peut-être faite en utilisant un algorithme classique de reconnaissance de visage tel que par exemple les LBP. Finalement, un fnd peut-être ajouté pour gagner en cohérence visuelle et améliorer le taux de reconnaissance avec les algorithmes de descriptions globaux (visage + fond). 20, rue de Cuirassé Bretagne – 29200 Brest ¹ 06 85 06 14 29 • 7 [email protected] Í http://vision.isen-bretagne.fr/∼napoleon/ 14/16 Illustrations des transferts technologiques Surface de dessin Liste de résultats Visualisateur 3D (b) (a) figure 7. Capture d’écran des applications développées dans le cadre de transferts technologiques. (a) illustre mon logiciel permettant d’aligner, d’indexer et de rechercher des objets 3D avec différentes approches issues de mon travail et de l’état de l’art. (b) montre des captures d’écran de mon application iPhone qui propose de rechercher un objet 3D présent dans une base de données distante à l’aide de dessins au trait Illustrations des travaux de post-doctorat ... ... 1. Extraction des traits ILQP ou GLQP 2. Projection PCA + spherisation 3. Calcul de la similarité ... Cosine similarity 1 0 1 0 0 0 ... LQP de type disque Code binaire Score Code Codebook map 0 23 1 45 2 12 3 105 4 12 5 ... 23 ... Sac de codes figure 8. Schématisation du fonctionnement de ma méthode de reconnaissance de visages. Dans un premier temps j’extrais les traits du visage à l’aide d’un descripteur par codes binaires combinés à une approche par sac de mots. J’applique ensuite une PCA avec sphérisation permettant de sélectionner les traits les plus représentatifs. Enfin, Je calcule une mesure de similarité entre deux visages afin de déterminer s’ils appartiennent à la même personne ou non 20, rue de Cuirassé Bretagne – 29200 Brest ¹ 06 85 06 14 29 • 7 [email protected] Í http://vision.isen-bretagne.fr/∼napoleon/ 15/16 Illustrations des travaux de thèse Alignement Projections Normalisation Objet Estimation de l!alignement figure 9. Schématisation du processus de normalisation et d’alignement d’un objet 3D de la base de données. Dans un premier temps, je calcule la sphère minimale englobante du modèle que je combine ensuite à une estimation de la pose par minimisation de l’enveloppe visuelle dans le but d’aligner au mieux l’objet 3D. Finalement, cette étape permet l’extraction des silhouettes du modèle en vue d’une indexation 3D 25 20 4 2 4 5 15 1 10 5 3 2 1 0 5 3 0 ï1 ï5 ï2 ï10 8 ï15 6 2 1 4 ï20 2 (a) ï25 ï25 ï20 ï15 ï10 ï5 0 5 10 15 20 25 0 (b) 0 20 40 60 80 100 figure 10. Représentation des informations de convexités et de concavités que j’extrais pour chaque silhouette de l’objet 3D. (a) Le contour d’un avion. (b) l’extraction des informations de convexités et de concavités avec 10 échelles. Les étiquettes 1 à 5 représentent les cinq convexités les plus importantes du contour 20, rue de Cuirassé Bretagne – 29200 Brest ¹ 06 85 06 14 29 • 7 [email protected] Í http://vision.isen-bretagne.fr/∼napoleon/ 16/16