|
Tri :
Date de référencement
Editeur
Auteur
Titre
|
Machine learning algorithms in the health sector : integration of functional knowledge toenhance the analysis of gut microbiota data
Date de publication :
28-11-2024 |
Auteur(s) :
Ruiz Baptiste |
Editeur(s) :
Université de Rennes |
Origine de la fiche :
Université de Rennes 1
La composition du microbiote intestinal influence diverses maladies et peut être utilisée pour la classification automatique de l'état de santé. Cette thèse propose une méthode intégrant l'annotation fonctionnelle du microbiote intestinal dans un processus de classification automatique pour améliorer l'interprétation des résultats. En utilisant les données taxonomiques et les annotations fonctionn...
Référencé le :
13-01-2025
|
|
E︠́chantillonnage de données : acquisition comprimée et réduction de graphe
Date de publication :
26-11-2024 |
Auteur(s) :
Petit Claude |
Editeur(s) :
Université de Rennes |
Origine de la fiche :
Université de Rennes 1
Dans cette thèse, nous étudions trois aspects du problème de réduction de la dimension. Le premier concerne la compression de base de données. Nous proposons plusieurs algorithmes d’échantillonnage préservant l’information contenue dans les données, ainsi que deux applications au conditionnement de matrices et à l’acquisition comprimée. Ces algorithmes sont déterministes et leur faible complexité ...
Référencé le :
13-01-2025
|
|
Étude de l’impact des interactions entre ondes de marée interne et circulation basse fréquence sur le budget énergétique de la marée interne à l’aide d’une simulation numérique à haute résolution sur l’Atlantique Nord
Date de publication :
18-11-2024 |
Auteur(s) :
Bella Adrien |
Editeur(s) :
Université de Rennes |
Origine de la fiche :
Université de Rennes 1
Dans cette thèse, le cycle de vie de la marée interne et sa perte de cohérence par ses interactions avec les courants sont étudiés dans l’Atlantique Nord à l’aide d’une simulation d’un océan réaliste à haute résolution. Une décomposition en mode verticaux est utilisée pour obtenir le budget d’énergie des différentes échelles de la marée interne. La dispersion topographique est dominante à l’échell...
Référencé le :
08-01-2025
|
|
Optimization of a multi-profile encoding system
Date de publication :
20-06-2024 |
Auteur(s) :
Kaafarani Reda |
Editeur(s) :
Université de Rennes |
Origine de la fiche :
Université de Rennes 1
Cette thèse porte sur l'optimisation d'un système d'encodage vidéo multi-profils pour un service de streaming à débit binaire adaptatif (ABR). Dans la première contribution, nous évaluons les performances du Versatile Video Coding en calculant son enveloppe convexe et en comparant les résultats à ceux de ses prédécesseurs. Nous démontrons l'importance de la réévaluation de l'échelle de débits pour...
Référencé le :
25-11-2024
|
|
Metric learning for instance and category-level visual representation
Date de publication :
01-07-2024 |
Auteur(s) :
Venkataramanan Shashanka |
Editeur(s) :
Université de Rennes |
Origine de la fiche :
Université de Rennes 1
Le principal objectif de la vision par ordinateur est de permettre aux machines d'extraire des informations significatives à partir de données visuelles, telles que des images et des vidéos, et de tirer parti de ces informations pour effectuer une large gamme de tâches. À cette fin, de nombreuses recherches se sont concentrées sur le développement de modèles d'apprentissage profond capables de cod...
Référencé le :
27-09-2024
|
|
Video question answering with limited supervision
Date de publication :
11-06-2024 |
Auteur(s) :
Engin Deniz |
Editeur(s) :
Université de Rennes |
Origine de la fiche :
Université de Rennes 1
Le contenu vidéo a considérablement augmenté en volume et en diversité à l'ère numérique, et cette expansion a souligné la nécessité de technologies avancées de compréhension des vidéos. Poussée par cette nécessité, cette thèse explore la compréhension sémantique des vidéos, en exploitant plusieurs modes perceptuels similaires aux processus cognitifs humains et un apprentissage efficace avec une s...
Référencé le :
11-09-2024
|
|
Apprentissage et stimulation des stratégies de sport (boxe) pour l'entraînement en réalité virtuelle
Date de publication :
24-05-2024 |
Auteur(s) :
Younes Mohamed |
Editeur(s) :
Université de Rennes |
Origine de la fiche :
Université de Rennes 1
Cette thèse étudie l’extraction et la simulation des interactions entre combattants, principalement pour la boxe, en utilisant des techniques d’apprentissage profond : l’estimation du mouvement humain à partir de vidéos, l’apprentissage par imitation basé sur l’apprentissage par renforcement, et la simulation de personnages basée sur la physique. Dans le contexte de l’analyse sportive à partir de ...
Référencé le :
10-09-2024
|
|
Assembly task in congested space using sensor-based control
Date de publication :
17-04-2024 |
Auteur(s) :
THOMAS JOHN |
Editeur(s) :
Université de Rennes |
Origine de la fiche :
Université de Rennes 1
Dans cette thèse, un système multi-sensoriel composé de capteurs proximétriques, appelé réseau proximétriques, est proposé. En l’attachant à l’effecteur, il permet à un robot d’effectuer des tâches de positionnement plan sur plan et de positionnement par rapport à un cylindre. L’analyse de la stabilité de la tâche de positionnement plan sur plan est effectuée en obtenant la forme explicite pour la...
Référencé le :
09-09-2024
|
|
Shape visual servoing of a suspended cable
Date de publication :
18-03-2024 |
Auteur(s) :
Smolentsev Lev |
Editeur(s) :
Université de Rennes |
Origine de la fiche :
Université de Rennes 1
Cette thèse se situe dans le domaine de l’interaction robotique avec des objets déformables. Elle présente une approche de commande robotique pour la manipulation autonome d'un câble déformable attaché entre 2 robots et soumis à la gravité. Le travail de recherche a porté sur l'élaboration d'une approche d'asservissement visuel qui utilise une caméra RGB-D pour extraire la forme du câble et l'angl...
Référencé le :
06-09-2024
|
|
Restauration d’images à faible luminosité à l’aide de méthodes d’apprentissage profond
Date de publication :
20-12-2023 |
Auteur(s) :
Lecert Arthur |
Editeur(s) :
Université de Rennes |
Origine de la fiche :
Université de Rennes 1
Aujourd'hui, de nombreux domaines évoluent pour inclure des algorithmes de vision par ordinateur. Or, ceux-ci n'ont pas été conçus pour fonctionner sur des scènes nocturnes. Leurs performances s'en trouvent fortement dégradées ce qui limite leurs applications. Cela est dû aux fortes dégradations lors de la capture d'images de nuit. Elles prennent la forme d'un faible rapport signal à bruit ainsi q...
Référencé le :
21-08-2024
|
|
