HAL - Lille 3
Not a member yet
5967 research outputs found
Sort by
L’enseignement de l’informatique à l’école primaire vu par les acteurs de l’accompagnement des pratiques pédagogiques.
No full textInternational audienc
Utilisation du bruit photonique pour la stéganographie
No full textInternational audience– Dans ce papier nous proposons d'utiliser, via un algorithme appelé " Stéganographie Naturelle" (NS), la modélisation du changement de sensibilité ISO afin d'insérer de manière indétectable un message de taille importante dans une image numérique. En première approximation ce changement de sensibilité peut être modélisé par l'ajout d'un bruit photonique indépendant de loie normale sur les photosites du capteur. L'implémentation du schéma NS cherche à modéliser la distribution de ce signal stéganographique après développement d'une image RAW vers une image pouvant être éditée. Les étapes de développement considérées sont la quantification sur 8 bits, la correction gamma et le redimension-nement d'un facteur 2. Même si ces premières implémentations sont loin de prendre en compte tous les développements possibles, dans chacun des cas, nous montrons que cette modélisation statistique permet de garantir une indétectabilité bien supérieure à celle des méthodes classiques. Abstract – This paper proposes to model the ISO switch occurring in digital images acquisition to embed an undetectable high payload by a scheme called "Natural Steganography" (NS). This sensitivity change can be modeled by addition of a photonique noise independently and normally distributed on each sensor photo-site, and the implementation of a NS scheme looks at modeling the steganographic signal at the very end of the development pipeline. We consider here 8 bits quantization, gamma correction and downscaling by a factor 2. Even if we are far from taking into account all the possible development pipelines, we show that these statistical models enable to guaranty an undetectability more important than traditional schemes
Détection de contours dans les images CFA
No full textThis thesis is devoted to edge detection from the raw image acquired by single-sensor cameras. Such cameras are fitted with Bayer Color Filter Array (CFA, generally Bayer one) and deliver raw CFA image, in which each pixel is characterized by only one out of the three colour components (red, green, or blue). A demosaicing procedure is necessary to estimate the other two missing colour components at each pixel, so as to obtain a colour image. This however produces artefacts that may affect the performance of low-level processing tasks applied to such estimated images. We propose to avoid demosaicing to compute partial derivatives for edge detection. Simple differentiation kernels, Deriche filters or shifted Deriche filters can be used either in a vector or a scalar approache. The vector approach computes partial derivatives for the three channels and the scalar approach first estimates a luminance image, then computes derivatives. The partial CFA derivatives are then used to compute Di Zenzo gradient for edge detection. We assess the performance of our methods on a large dataset of synthetic images with available edge ground truth. We show that CFA-based approaches may provide as accu- rate edge detection results as colour vector-based ones at much reduced computation cost.Cette thèse est consacrée à la détection des contours à partir d'images acquises par des caméras couleur mono-capteur. Dans ces dispositifs, le capteur est recouvert d'une mosaïque de filtres chromatiques (Color Filter Array, ou CFA) et forme une image (dite > ou CFA) qui ne comporte qu'une seule composante couleur par pixel. Une procédure de dématriçage est classiquement appliquée à cette image pour estimer les deux composantes couleur manquantes en chaque pixel et obtenir une image couleur. Cependant, les artéfacts générés par le dématriçage peuvent altérer les performances des méthodes d'analyse bas-niveau des images. Ceci nous amène à éviter le dématriçage pour la détection des contours. Dans une approche de type gradient, nous proposons d'estimer les dérivées partielles soit en calculant les ces dérivées dans les trois plans couleur (approche vectorielle), soit en estimant une luminance adaptée à la détection des contours (approche scalaire). L'état de l'art met en évidence que l'exploitation directe de l'image brute a été peu abordée et que les approches développées dans cette thèse sont originales. Pour l'approche vectorielle, nous proposons une adaptation de l'implantation récursive du filtre de Deriche au treillis du CFA. Pour l'approche scalaire, nous utilisons un filtre optimal qui lisse et dérive conjointement les données brutes. Nous évaluons les performances des méthodes développées sur une base d'images synthétiques dont la vérité terrain est connue. Nous montrons ainsi que la détection des contours à partir des données brutes peut être satisfaisante tout en étant peu coûteuse en temps de calcul
Rééchantillonnage indépendant et semi-indépendant pour le filtrage particulaire
No full textInternational audienceLe filtrage particulaire est un ensemble d'algorithmes populaires de type Monte Carlo pour l'estimation récursive d'états cachés dans des modèles de Markov cachés. Le filtrage particulaire repose sur un mécanisme de tirage et pondération de particules, puis de rééchantillonnage permettant de dupliquer les particules de poids élevés et d'éliminer les particules de poids faibles. Néanmoins, ces méthodes peuvent se révéler inefficaces dans des modèles informatifs ou de grande dimension, aussi sophistiquées soient les techniques de rééchantillonnage utilisées. Dans cette communication, plutôt que de se focaliser sur la seule étape de rééchantillonnage qui introduit de la dépendance entre les particules et une diminution de la taille du support, nous revisitons les trois étapes du mécanisme dans leur ensemble et nous montrons qu'il est possible d'obtenir des tirages conditionnellement indépendants de manière à garantir un support de taille fixe. Cette méthode de tirage nécessitant un coût de calcul supplémenaire, nous introduisons un algorithme intermédiaire entre le filtrage particulaire classique et notre technique de rééchantillonnage indépendant
Understanding Gesture Articulations Variability
No full textPart 4: Information on Demand, on the Move, and Gesture InteractionInternational audienceInterfaces based on mid-air gestures often use a one-to-one mapping between gestures and commands, but most remain very basic. Actually, people exhibit inherent intrinsic variations for their gesture articulations because gestures carry dependency with both the person producing them and the specific context, social or cultural, in which they are being produced. We advocate that allowing applications to map many gestures to one command is a key step to give more flexibility, avoid penalizations, and lead to better user interaction experiences. Accordingly, this paper presents our results on mid-air gesture variability. We are mainly concerned with understanding variability in mid-air gesture articulations from a pure user-centric perspective. We describe a comprehensive investigation on how users vary the production of gestures under unconstrained articulation conditions. The conducted user study consisted in two tasks. The first one provides a model of user conception and production of gestures; from this study we also derive an embodied taxonomy of gestures. This taxonomy is used as a basis for the second experiment, in which we perform a fine grain quantitative analysis of gesture articulation variability. Based on these results, we discuss implications for gesture interface designs
Health and portfolio choices: A diffidence approach
No full textInternational audienceThe effect of health status on portfolio decisions has been extensively studied from an empirical viewpoint. In this paper, we propose a theoretical model of individuals’ choice of financial assets under bivariate utility functions depending on wealth and health. Our approach makes an extensive use of the diffidence theorem. We establish the conditions under which the share of wealth held in risky assets falls as: (1) individuals’ health status deteriorates and; (2) individuals’ health status becomes risky. These conditions are shown to be related to the behavior of the intensities of correlation aversion and of cross prudence as wealth increases
Decentralised and Privacy-Aware Learning of Traversal Time Models
No full textInternational audienceEstimating traversal time is an essential problem in urban computing. Traditional methods learn a predictive model from user traces collected in a central server, which potentially threatens the privacy of the users, and which may be hard to realize in an online setting where communication with large amounts of cars is needed. In this paper, we propose a new approach to solve these problems by proposing a a privacy-friendly algorithm requiring only local communication. First, we introduce a new optimisation-based formalisation, which can take into account user-specific driving styles and the homophily of the traffic in road networks. We then discuss how we can solve this problem in a decentralised setting, where each user stores his/her sensitive data locally (without uploading it to a central server) and only shares indirect information in a peer-to-peer manner. Finally, we discuss strategies to learn the model without revealing sensitive information such as locations and user identities
Accuracy of MRI classification algorithms in a tertiary memory center clinical routine cohort
No full textInternational audienceBackgroundMRI computational tools represent promising instruments to improve the diagnostic accuracy of dementias including Alzheimer’s disease (AD). The Automated Segmentation Softwares (ASS) measure various regions of interest (ROI) volumes, thus supporting physicians in clinical decision-making processes. However, their accuracy has mainly been evaluated for research. Recent developments in Support Vector Machine (SVM) classifier might increase the diagnostic value of MRI indexes compared with ASS. Our objective was to investigate the classification rate based on two-class classifiers.MethodsOur study evaluated two ASS (VolBrain and NeuroReader) and two SVM approaches in a monocentric memory center routine clinical cohort of 263 patients with various dementia etiologies (Early and Late-Onset AD (EOAD, LOAD), Cortico-Basal Degeneration, Lewy Body Dementia, Fronto-Temporal Dementia (FTD), Logopenic Variant of Primary Progressive Aphasia and Semantic Dementia) and depression. All patients had a routine MRI at 1, 1.5 or 3 Tesla. We first entered all ROI volumes from ASS in a univariate analysis. Then, we entered volumes obtained from each ASS separately in an SVM classifier. Finally, results where compared to a classifier based on whole brain gray matter (GM) segmentation maps using SPM12.ResultsIn the univariate classification paradigm, the diagnostic accuracy ranged from 50% to 70%, Frontal and Temporal Lobe providing the most accurate scores and hippocampal volumetry only distinguishing LOAD and EOAD from FTD with a respectively 50% and 60% accuracy. SVM classification provided similar accuracy for both ASS ranging from 60 to 80%. Nonetheless, classification using whole brain GM improved the accuracies ranging from 65 to 85% (FTD vs EAOD: 82%, EOAD vs Depression: 83%, FTD vs Depression: 82%).ConclusionsNovel computational tools can be useful in clinical practice and provide comprehensive information supporting clinicians in decision-making processes. ASS analyzed in a univariate way was moderately adequate, with poor accuracy compared with its implementation in an SVM classifier. SVM using whole brain segmentation yielded the highest diagnostic accuracies. Furthermore, SVM performed as well as published accuracies of pathophysiological markers of AD to distinguish this etiology from other dementias and depression. Implementation of whole brain SVM classification in clinical routine could represent a valuable diagnostic tool