Speaker: 
Yuling ZHENG
Date: 
Thu, 12/04/2014 -
10:30 to 12:00
Lieu: 
Supélec Amphi C2
Résumé/Abstract: 
Dans le cadre de cette thèse, notre préoccupation principale est de développer des approches non supervisées et efficaces pour les problèmes de grande taille. Pour ce faire, nous avons considéré des approches entièrement bayésiennes. Dans ce cadre, la difficulté principale est que la loi a posteriori est en général complexe. Pour résoudre ce problème, nous nous intéressons à l'approximation bayésienne variationnelle (BV) qui offre une approximation séparable de la loi a posteriori. Néanmoins, les approches BV classiques souffrent d’une vitesse de convergence faible. La première contribution de cette thèse consiste à transposer les méthodes d'optimisation par sous-espace dans l'espace fonctionnel impliqué dans le cadre BV, ce qui nous permet de proposer une nouvelle méthode d'approximation BV. Nous avons montré l’efficacité de notre nouvelle méthode par les comparaisons avec les approches de l’état de l’art. Nous avons ensuite appliqué notre nouvelle méthodologie à des problèmes de traitement d'images où nous introduisons l’information de régularité par morceau. Pour cela, nous avons considéré trois types d’a priori différents : un a priori de la variation totale, un a priori à variables cachées ressemblant à un mélange scalaire de gaussiennes par changement de positions pour les images et les a priori de la famille de mélange scalaire de gaussiennes par changement d'échelle (GSM) pour les coefficients d’ondelettes d’images. Basé sur ces lois et notre nouvelle méthode BV, nous avons développé les approches non-supervisées rapides et bien adaptées aux images régulières par morceau.

Membres du jury:

 

Directeur de thèse Thomas RODET Professeur, ENS Cachan, SATIE
Co-encadrant Aurélia FRAYSSE Maître de conférences, Université paris-sud, L2S
Rapporteurs André FERRARI Professeur, Université de Nice Sophia Antipolis, Laboratoire de Lagrange
  Jérôme IDIER Directeur de recherche CNRS, IRCCyN
Examinateurs Jean-Christophe PESQUET Professeur, Université de Paris-Est, LIGM
  François GOUDAIL Professeur, IOGS, LCF