hmul8r6b.imag.fr

acces_grid_5000

Anonymous (anonymous@undisclosed.example.com) — 2024-04-05T08:45:40+00:00

Accès aux GPUs sur Grid'5000 “Si rien ne marche, lisez le mode d'emploi.” Inscription Nous allons utiliser les GPUs de la plateforme Grid'5000. Consulter : On ne peut se connecter à Grid'5000 qu'avec une clé SSH. Si vous n'en avez pas, il faut générer une paire de clés SSH avec la commande :

ancien

Anonymous (anonymous@undisclosed.example.com) — 2018-03-16T06:18:15+00:00

RICM4 - Accès à l'Information Multimédia - PROJET - Réalisation d'un système de recherche d'images fixes Vous trouverez les supports de cours à l'adresse : . Vous trouverez quelques examens des années précédentes à l'adresse : (notez que le programme du cours a pu changer pour les plus anciens).

deep_learning

Anonymous (anonymous@undisclosed.example.com) — 2018-04-05T08:15:22+00:00

HMUL8R6B - Projet "deep learning" Nous allons utiliser l'outil PyTorch. Torch est un ensemble de logiciels pour faire du deep learning. Pytorch est principalement une interface python pour torch. Installations Installation de l'installateur Miniconda. Choisir python 3.6 et 64 bits.

installations

Anonymous (anonymous@undisclosed.example.com) — 2024-09-23T09:28:33+00:00

Installations Si vous travaillez sur les machines de l'UFR Version istallée à l'UFR sur le compte quenotg, inclure la ligne suivante dans votre .bashrc (ou l'entrer dans votre terminal à chaque fois) : export PATH="/home/Public/quenotg/miniconda3/bin:$PATH"

presentation_de_votre_travail

Anonymous (anonymous@undisclosed.example.com) — 2024-02-02T12:56:17+00:00

Présentation de votre travail Durant cette séance, je passerai voir chaque binôme et vous m'expliquerez votre travail : * Vue générale (génération des vecteurs, indexation, recherche) * Les différents traitements effectués, avec des exemples qui montrent que votre projet fait que qu'on en attend et est robuste.

projet_image_2017-2018

Anonymous (anonymous@undisclosed.example.com) — 2019-03-07T09:57:28+00:00

HMUL8R6B - Accès à l'Information Multimédia - PROJET - Réalisation d'un système de recherche d'images fixes Note : les données associées à ce sujet sont accessibles en local sur le serveur de l'UFR par le système de fichier : /home/Public/quenotg/HMUL8R6B/PROJET

projet_image

Anonymous (anonymous@undisclosed.example.com) — 2019-01-15T09:20:53+00:00

projet

Anonymous (anonymous@undisclosed.example.com) — 2024-04-05T10:26:55+00:00

Projet - Système de classification d'images par apprendissage profond Nous allons utiliser l'outil PyTorch. Torch est un ensemble de logiciels pour faire du deep learning. Pytorch est principalement une interface python pour torch. Installations (si vous souhaitez le faire sur vos machines, Linux)

start

Anonymous (anonymous@undisclosed.example.com) — 2026-03-26T09:00:26+00:00

Accès et Recherche d'Information Description : Accès et Recherche d'Information (pas à jour). Responsable : Philippe Mulhem. Ce cours comprend une partie sur la recherche d'information textuelle, et une partie sur la recherche d'information multimédia. Supports de cours Séances 1 à 5

supports_de_cours

Anonymous (anonymous@undisclosed.example.com) — 2018-04-04T22:39:40+00:00

HMUL8R6B: Accès à l'Information Multimédia * [0. Rappels Mathématiques] * [1. Introduction, descriptors and correspondence] * [2. Machine learning for classification] * [3. Deep learning for multimedia indexing and retrieval] * [4. Introduction to PyTorch]

tp_constitution_de_vocabulaire_et_representation_2023

Anonymous (anonymous@undisclosed.example.com) — 2024-01-26T10:56:08+00:00

1. But du TP Construire l'index inversé et les autres données relatives à l'indexation d'une collection de documents fournie (), à rapatrier et dézipper dans votre répertoire de travail pour le projet. Vous devez également rapatrier le fichier de mots outils suivant

tp_constitution_de_vocabulaire_et_representation

Anonymous (anonymous@undisclosed.example.com) — 2023-02-10T10:40:43+00:00

1. But du TP Construire l'index inversé et les autres données relatives à l'indexation l'ensemble de documents CACM. 2. Déroulement On considère la base CACM et les documents filtrés d'après obtenus avec le filtrage appliqué au TP sur Zipf.

tp_loi_de_zipf

Anonymous (anonymous@undisclosed.example.com) — 2023-01-13T11:36:48+00:00

1. But du TP Prendre en main le traitement d'une collection de documents avec le langage python, et illustrer empiriquement la loi de Zipf. 2. Déroulement Travail attendu * Rapatriement et préparation des données : Vous devez commencer par rapatrier les données CACM et le code fourni (cf. texte

tp_recherche_et_evaluation

Anonymous (anonymous@undisclosed.example.com) — 2026-02-06T11:48:32+00:00

TP Modèle de recherche vectoriel 1. But du TP Développer un modèle vectoriel sur la base de la représentation VSM, et en faire une évaluation. Pour le traitement des requêtes, vous pouvez vous référer au transparent 12 du [ cours]. On va traiter la requête en calculant la correspondance RSV par un calcul de cosinus. Ce cosinus est égal au produit scalaire des vecteur d et q divisé par le produit des normes de d et de q. Vous avez déjà stocké tout ce qu'il nous faut dans les séances précédente…

tp_representation

Anonymous (anonymous@undisclosed.example.com) — 2026-01-16T11:08:03+00:00

tp_zipfmiashs

Anonymous (anonymous@undisclosed.example.com) — 2019-02-05T07:57:47+00:00

1. But du TP Nous allons manipuler une collection de documents avec le langage python et illustrer empiriquement la loi de Zipf. Le langage python est un langage interprété fortement typé. Il prend en charge les expressions régulières avec le module re (regular expression). Vous pouvez trouver une référence à python en

tp1

Anonymous (anonymous@undisclosed.example.com) — 2020-02-18T07:47:09+00:00

TP1 - Recherche par similarité par histogrammes de couleur. Objectif : se familiariser avec python, numpy, matplotlib et effectuer quelques traitements élémentaires sur des images. Lecture et traitement d'une image Voir le tutoriel : Documentation numpy :

tp2

Anonymous (anonymous@undisclosed.example.com) — 2019-03-22T10:17:32+00:00

TP2 - Recherche par similarité par transformée de Gabor. Objectif : comprendre comment fonctionnent les opérateurs de convolution avec application à la transformée de Gabor. Il est normal de ne pas arriver à finir ce TP en une seule séance. Comme le TP1, c'est un TP d'entraînement qui ne sera pas noté et ce n'est pas grave si vous ne le finissez pas. Il est bien d'aller au moins jusqu'au calcul et à l'affichage d'une transformée de Gabor sur une image. Si les calculs sont trop longs, vous pouve…