mai
07
Deadline extended to 10 may 2013
Link
The International Conference on Similarity Search and Applications (SISAP) is an annual forum for researchers and application developers in the area of similarity data management. It aims at the technological problems shared by numerous application domains, such as data mining, information retrieval, computer vision, pattern recognition, computational biology, geography, biometrics, machine learning, and many others that need similarity searching as a necessary supporting service.
The SISAP initiative (www.sisap.org) aims to become a forum to exchange real-world, challenging and innovative examples of applications, new indexing techniques, common test-beds and benchmarks, source code and up-to-date literature through its web page, serving the similarity search community. Traditionally, SISAP puts emphasis on the distance-based searching, but in general the conference concerns both the effectiveness and efficiency aspects of any similarity search problem.
oct
01
La semaine dernière, à l'occasion de ma participation au jury de thèse de J. Mitra (Multimodal Image Registration Applied to Magnetic Resonance and Ultrasound Prostatic Images - bravo à la nouvelle docteure), j'ai donné un séminaire dans le cadre du master VIBOT.
Le sujet du séminaire était : les similarités entre images, locales et non-métrique. J'ai tenté de faire passer le message de l'utilité de mesures locales (bien construites) et de l'intérêt d'utiliser des mesures qui ne sont pas des distances.
Le diaporama est disponible sur la page ... des diaporamas.
FMN
sept
07
Inauguration de billets consacrés à des nouvelles et articles du net, liés au traitement et à l'analyse d'images - Pour ce premier essai, je case un certain nombre d'entrées qui peuvent un peu dater (quelques mois).
- Why We Created Julia : une proposition d'un langage dédié au calcul numérique assez ambitieux. Je n'ai pas encore pris le temps de fouiller en détail, mais le programme est alléchant : We want the speed of C with the dynamism of Ruby. We want a language that’s homoiconic, with true macros like Lisp, but with obvious, familiar mathematical notation like Matlab. We want something as usable for general programming as Python, as easy for statistics as R, as natural for string processing as Perl, as powerful for linear algebra as Matlab, as good at gluing programs together as the shell. Something that is dirt simple to learn, yet keeps the most serious hackers happy. We want it interactive and we want it compiled.
- Livre: Programming Computer Vision with Python chez O'Reilly. J'aime Python et la vision artificielle, j'ai donc acheté ce livre (en numérique). Pas encore lu en détail, mais la table des matières et un survol des pages me laissent penser qu'il y a une bonne explication de l'utilisation de Python en analyse/traitement d'image.
- Hany Farid: Image Search for Image Forensics. J'aime beaucoup les écrits d'H. Farid, chercheur en imagerie légale (image forensics). Ici il explique clairement comment des systèmes de recherche d'images par le contenu peuvent être utilisés pour détecter des falsifications. En particulier, la présence d'une image (ou d'une partie de) dans d'autres contextes peut être une preuve de falsification.
- The Curiosity Super-Resolution Challenge : Igor Carron nous propose un défi lié à l'actualité. Il s'agit de fabriquer un panorama haute-résolution du cratère Gale à l'aide d'un dictionnaire construit à partir d'images et en faisant de l'inpainting de la version basse-résolution du panorama. (Note perso : comment traduire inpainting ?)
- What defines a functional programming language? Article très sympa à lire qui cherche à définir l'essence d'un langage fonctionnel. Après avoir éliminé les définitions classiques (présence de fonctions de première classe, lambdas, ...), la définition retenue (que j'apprécie) est : A functional programming language is a language that emphasises programming with pure functions and immutable data.
C'est tout pour aujourd'hui.
FMN.
