Guide d’étude

Sommaire

• Objectifs du cours
• Contenu du cours
• Matériel
• Évaluation
• Encadrement
• FAQ

Objectifs du cours

• Mettre en évidence les différences entre les diverses représentations numériques des images et des séquences vidéos.
• Manipuler les objets multimédias à l’aide d’un environnement de développement.
• Définir les principes des différents types de méthodes de compression, identifier les atouts et les limites des principaux algorithmes et se familiariser avec leur mise en œuvre.
• Identifier les différentes étapes requises pour mettre au point des systèmes intelligents de vision par ordinateur.
• Mettre en évidence les différences entre divers types de caractéristiques visuelles.
• Appliquer les méthodes d’extraction et de calcul de caractéristiques pour mettre en œuvre des applications de vision artificielle (p. ex. détection d’objets, recherche d’images par le contenu, suivi visuel d’objets, reconnaissance d’activités).
• Discuter les enjeux scientifiques reliés à des problèmes ouverts de la vision numérique.

Contenu du cours

Le cours Vision numérique et applications met l’accent sur la compréhension de la représentation numérique des images et des séquences vidéos, ainsi que sur leurs différents niveaux de traitement. Ce cours propose la lecture de textes présentant les bases théoriques du traitement d’images et les principaux algorithmes de traitement de l’information visuelle. D’un point de vue général, il aborde les notions suivantes :

• La présentation des images fixes et des séquences vidéos.
• Les techniques de compression : avec et sans perte.
• L’extraction des caractéristiques visuelles.
• L’indexation d’images fixes et de séquences vidéos.
• La recherche d’images par le contenu pictural.
• Les applications intelligentes de vision numérique : reconnaissance de scènes, détection automatique de changement de scène, détection de mouvement, reconnaissance d’objets, suivi d’objets et analyse automatique de l’activité humaine.

Ces notions sont réparties sur 5 chapitres. Cette organisation permet une progression dans le processus d’apprentissage, de la maîtrise des notions fondamentales de traitement d’images à la compréhension et à la mise en œuvre d’applications intelligentes de vision artificielle. Il est donc recommandé d’en faire la lecture selon l’ordre séquentiel proposé dans la feuille de route, décrite dans la section « Matériel » du présent guide d’étude.

Notons que le contenu du cours est accessible sous deux formes sur le site Web du cours. À la section « Apprentissages », les chapitres sont séparés et présentés dans l’ordre (de 1 à 5). À la section « Ressources » se trouve une version intégrale du manuel du cours. La table des matières donne accès à tous les chapitres dans un même document.

Pour obtenir plus d’informations sur le contenu des chapitres :

• Consulter la table des matières

• Consulter le descriptif sommaire des apprentissages visés dans chacun des chapitres Test

  Annexe A : Descriptif sommaire des apprentissages visés dans chacun des chapitres

  Chapitre 1 : L’image numérique et la séquence vidéo	Mettre en évidence les différences entre les représentations numériques des images et des séquences vidéo. S’initier aux caractéristiques visuelles, aux espaces de couleur et aux différents niveaux de traitement.
  Chapitre 2 : Introduction à la compression d’images	Définir les principes et les intérêts des principales approches de codage avec et sans perte. Identifier les atouts et les limites des principaux algorithmes.
  Chapitre 3 : Description et modélisation de contenu visuel	Comprendre les principales caractéristiques visuelles, leur utilité et leurs techniques d’extraction. Étudier des modèles d’apparence avancés.
  Chapitre 4 : Applications sur images fixes	Identifier les différentes étapes requises pour mettre au point des systèmes intelligents de traitement d’images. Comprendre certains traitements haut niveau des images.
  Chapitre 5 : Traitement vidéo et applications	Identifier les étapes requises pour mettre au point certains types de systèmes de traitement vidéo. Avoir un aperçu des problèmes ouverts de traitement vidéo.

Matériel

Vous trouverez sur ce site Web tout le matériel didactique nécessaire pour compléter les activités du cours. Seul l’examen final, réalisé en salle, vous sera fourni au moment de compléter cette dernière étape du cours et selon les modalités établies¹. En plus du guide d’étude qui constitue l’avant-propos du cours, le matériel didactique comprend des lectures, des exercices pratiques, les travaux pratiques notés et des outils pour compléter vos apprentissages. Plus précisément :

Des codes sources en MATLAB sont disponibles à travers les chapitres du cours. Ces implémentations permettent de compléter la démarche de compréhension des différentes étapes algorithmiques, en plus de constater visuellement le résultat de traitement sur des données fournies (images fixes, séquences vidéos). Ils vous seront utiles pour réaliser exercices et travaux pratiques. Il est à noter que vous devrez vous procurer le logiciel Matlab pour réaliser les activités du cours. Vous pouvez vous procurer la version étudiante du logiciel (MATLAB and Simulink Student Suite) à partir du site de la compagnie (actuellement 99 $ US) à travers le lien : https://www.mathworks.com/academia/student_version.html Cette version inclut la boite à outils « Image Processing Toolbox », indispensable pour réaliser les activités du cours.

Robot conversationnel – Présentation

Dans le cadre d’un projet pilote, nous vous offrons un accès à un robot conversationnel alimenté par l’intelligence artificielle et ayant été entrainé à partir du matériel pédagogique du cours.

Robot conversationnel du cours INF 1423 Vision numérique et applications

En quoi le robot peut-il vous aider?

Conçu comme un outil complémentaire pour renforcer l’apprentissage, ce robot est facilement accessible, quel que soit votre niveau de compétence technologique. Il peut répondre rapidement et en tout temps à des questions de compréhension liées aux contenus pédagogiques du cours (concepts clés, définitions, procédures, etc.).

Afin de rendre votre expérience avec le robot conversationnel dynamique et enrichissante, nous vous conseillons de visionner la formation Étudier à l’ère de l’IA, ainsi que le tutoriel suivant :

Est-ce que mes données personnelles seront stockées?

Aucune donnée personnelle ne sera stockée.

Qui pourrais-je contacter pour obtenir de l’aide?

Il est important de noter que le robot n’a pas été conçu pour vous soutenir sur les plans motivationnel, administratif ou méthodologique. De même, il ne sera pas en mesure de répondre aux questions liées aux évaluations sommatives. Il ne remplace pas la personne responsable de votre encadrement. Cette personne reste disponible pour vous soutenir tout au long de votre cheminement académique. Pour du soutien technique, n’hésitez pas à nous contacter.

Évaluation

L’évaluation des apprentissages se fait à l’aide de deux types de contrôles : des travaux pratiques (TP) et un examen final sous surveillance.

• Les travaux pratiques, au nombre de trois, représentent chacun 20 % de la note globale. Ces travaux exigent la mobilisation des connaissances acquises dans le cours. Vous serez ainsi guidé pour implanter certains algorithmes de traitement d’images et de vidéos.
• L’examen final dure 3 heures et porte sur toute la matière étudiée dans le cours. Aucune documentation n’est permise durant l’examen, mais les calculatrices non programmables sont autorisées. Pour compléter l’examen, vous recevrez un avis de convocation avec les informations nécessaires, notamment le lieu, la date et l’heure. Pour vous préparer, vous êtes encouragé à relire tous les chapitres et à réaliser les exercices de préparation disponibles à la section des activités du site Web du cours. Vous trouverez également dans cette section un corrigé des exercices.

En cette période, l’examen final se déroule en mode oral. Veuillez contacter votre ressource d’encadrement suite à la remise de votre dernier TP.

Le tableau suivant présente les chapitres ciblés par chaque évaluation, la description de chacun des contrôles, ainsi que sa part dans le calcul de la note globale :

Utilisation de l’IA générative (ex. ChatGPT)

L’utilisation d’outils d’intelligence artificielle générative, tels que ChatGPT, n’est pas permise dans les travaux notés de ce cours. Les travaux notés remis via l’outil de dépôt sont analysés par un logiciel de détection de contenu généré par IA. Nous nous réservons le droit de planifier une rencontre de 15 minutes afin de compléter l’évaluation par une discussion orale portant sur le travail, si la personne responsable de votre encadrement en fait la demande. L’absence à cette rencontre entraînera la note de 0 pour le travail concerné.

Encadrement

Pour réussir ce cours, vous bénéficiez du soutien d’une personne chargée de votre encadrement. Son rôle est de vous guider dans vos apprentissages, de répondre à vos questions et d’évaluer vos travaux.

La formule d’encadrement du cours comporte :

• Une rétroaction sur les travaux notés que vous lui avez fait parvenir aux moments indiqués.
• Une assistance personnalisée si votre travail ne correspond pas aux standards universitaires ou s’il ne respecte pas les consignes prévues. De même, vous pouvez lui adresser vos questions afin de clarifier certains aspects du cours, notamment sur le contenu des textes, les ressources à votre disposition et les évaluations.

Dès le début du cours, et tout au long de votre cheminement, n’hésitez pas à communiquer avec cette personne-ressource en cas de besoin. Pour le faire, vous pouvez utiliser le courrier électronique.

Vous devez commencez le cours immédiatement : il n’y a pas de contact de démarrage prévu dans ce cours.

Si vous éprouvez des difficultés techniques avec le site Web du cours ou le dépôt des travaux, n’hésitez pas à communiquer avec une personne-ressource du service d’assistance technique. Notez que les informations concernant ce service sont mises à jour régulièrement et accessibles en ligne sur le site Web de l’Université TÉLUQ.

FAQ

La foire aux questions se trouve à la section « Ressources » du site web du cours. Nous vous invitons à transmettre vos suggestions pour la rendre utile aux étudiants du cours.

1. Ces modalités sont présentées à la section « Évaluation » du guide d’étude.