Chargement...
 

Machine Learning-Robotics

Domaine
Machine Learning-Robotics
Domain - extra
Computational Geometry and Topology
Année
2014
Starting
1er octobre
État
Closed
Sujet
Signatures pour les formes géométriques
Thesis advisor
OUDOT Steve
Co-advisors
Laboratory
Collaborations
Abstract
Dans cette thèse on s'intéressera à la caractérisation locale et globale des formes géométriques à partir d'échantillons ou de maillages, ainsi qu'à leur comparaison. Pour ce faire on essaiera de construire des signatures pour les formes géométriques qui soient à la fois robustes et informatives.
Context
Avec l'essor constant des techniques d'acquisition et de génération de données, de larges banques de données de formes géométriques sont aujourd'hui disponibles, le plus souvent sous la forme de nuages de points. Dans le but d'organiser ces données, il est primordial de définir des notions pertinentes de similarité entre formes géométriques qui soient invariantes à l'échantillonnage et aux différentes poses que peuvent prendre les objets que les nuages de points représentent.

Objectives
L'objectif principal de la thèse est d'utiliser des concepts récents de la topologie algorithmique pour définir de nouvelles signatures pour les formes géométriques. Ces signatures seront ensuites utilisées dans des tâches d'apprentissage supervisé. Une attention particulière sera donnée à la robustesse et à la complexité de calcul et de comparaison des signatures.
Work program
On pourra s'attaquer aux points suivants :
- construire des signatures locales,
- définir des noyaux à partir des signatures,
- rendre les signatures plus faciles à calculer,
- dériver des bornes inférieures et supérieures d'approximation,
- appliquer les signatures à la classification de formes 3d et à la détection de symétries dans des jeux de données en plus grande dimension.

Extra information
For more information, please contact steve.oudot à inria.fr
Prerequisite
Un bon bagage en apprentissage, et si possible quelques notions de topologie différentielle et algébrique.
Détails
Télécharger sujet_EDIPS.pdf
Expected funding
Institutional funding
Status of funding
Expected
Candidates
Mathieu Carrière
Utilisateur
steve.oudot
Créé
Lundi 24 mars 2014 14:27:50 CET
dernière modif.
Lundi 24 mars 2014 15:04:24 CET

Fichiers joints

 filenamecrééhitsfilesize 
sujet_EDIPS.pdf 24 Mar 2014 14:271393127.93 Kb


Ecole Doctorale Informatique Paris-Sud


Directrice
Nicole Bidoit
Assistante
Stéphanie Druetta
Conseiller aux thèses
Dominique Gouyou-Beauchamps

ED 427 - Université Paris-Sud
UFR Sciences Orsay
Bat 650 - aile nord - 417
Tel : 01 69 15 63 19
Fax : 01 69 15 63 87
courriel: ed-info à lri.fr