Image Sciences, Computer Sciences and Remote Sensing Laboratory

Past seminars :

Thursday, December 20 2012 - 2:00 pm

Homologie calculatoire de groupes modulaires Lieu : Amphi A301 (ENSPS) Conférencier(s) : Dr. Alexander D. Rahm, National University of Ireland at Galway Résumé : Bien que d'être étudiés depuis longtemps, les groupes modulaires - groupes de matrices à déterminant 1 - posent toujours un challenge quant au calcul de leur déterminant. Ceci est le cas pour la raison que leur espace classifiant, qui définit leur homologie, n'est pas accessible en pratique. Il faut alors le remplacer par un modèle cellulaire pour l'action du groupe. Quand le rang des matrices augmente, les identifications de cellules par l'action du groupe gagnent en complexité de manière explosive. D'où la mise en oeuvre de logiciels qui peuvent construire de tels modèles cellulaires est une tâche à plusieurs années de travail soigneux. Ensuite, l'extraction des invariants passe par une suite spectrale qui défie sérieusement les puissances des machines. C'est pour cette dernière étape décisive qu'une nouvelle technique vient de devenir disponible : La réduction des sous-complexes de torsion. Elle permet d'obtenir toute l'homologie en degrés supérieurs à un coût de processeurs spectaculairement petit. Elle a été implantée pour des modèles cellulaires de groupes discrets arbitraires et se prête à la vérification avec l'outil de certification Coq.

Homologie calculatoire de groupes modulaires

Lieu : Amphi A301 (ENSPS)

Conférencier(s) : Dr. Alexander D. Rahm, National University of Ireland at Galway

Résumé : Bien que d'être étudiés depuis longtemps, les groupes modulaires - groupes de matrices à déterminant 1 - posent toujours un challenge quant au calcul de leur déterminant. Ceci est le cas pour la raison que leur espace classifiant, qui définit leur homologie, n'est pas accessible en pratique. Il faut alors le remplacer par un modèle cellulaire pour l'action du groupe. Quand le rang des matrices augmente, les identifications de cellules par l'action du groupe gagnent en complexité de manière explosive. D'où la mise en oeuvre de logiciels qui peuvent construire de tels modèles cellulaires est une tâche à plusieurs années de travail soigneux. Ensuite, l'extraction des invariants passe par une suite spectrale qui défie sérieusement les puissances des machines. C'est pour cette dernière étape décisive qu'une nouvelle technique vient de devenir disponible : La réduction des sous-complexes de torsion. Elle permet d'obtenir toute l'homologie en degrés supérieurs à un coût de processeurs spectaculairement petit. Elle a été implantée pour des modèles cellulaires de groupes discrets arbitraires et se prête à la vérification avec l'outil de certification Coq.

Monday, October 08 2012 - 10:30 am

MFS-the invariant feature for texture analysis Lieu : Amphi A301 (ENSPS) Conférencier(s) : Prof. Yong XU, South China University of Technology Résumé : The invariant feature for texture is essential in computer vision. In this talk, a new texture signature, called the multifractal spectrum (MFS) is presented. Firstly, the theory and application of fractal and MFS (multifractal spectrum) are introduced. Compared to histogram, the advantage of MFS is shown in texture classification. Combining with local invariant template, wavelet and frame theory, MFS provides an efficient framework integrating global spatial invariance and local robust measurements. The MFS is invariant under the bi-Lipschitz map, which includes view-point changes and non-rigid deformations of the texture surface, as well as local affine illumination changes. Experiments demonstrate that the efficient framework captures the essential structure of textures.

MFS-the invariant feature for texture analysis

Lieu : Amphi A301 (ENSPS)

Conférencier(s) : Prof. Yong XU, South China University of Technology

Résumé : The invariant feature for texture is essential in computer vision. In this talk, a new texture signature, called the multifractal spectrum (MFS) is presented. Firstly, the theory and application of fractal and MFS (multifractal spectrum) are introduced. Compared to histogram, the advantage of MFS is shown in texture classification. Combining with local invariant template, wavelet and frame theory, MFS provides an efficient framework integrating global spatial invariance and local robust measurements. The MFS is invariant under the bi-Lipschitz map, which includes view-point changes and non-rigid deformations of the texture surface, as well as local affine illumination changes. Experiments demonstrate that the efficient framework captures the essential structure of textures.

Archives:

Academic Year 2011/2012
Academic Year 2010/2011
Academic Year 2009/2010
Academic Year 2008/2009
Academic Year 2007/2008
Academic Year 2006/2007
Academic Year 2005/2006
Academic Year 2004/2005