Données multimédia et spatio-temporelles

Réf. : NFE205

Sessions de formation

(Fuseau horaire : Europe/Paris)

Centre Cnam Paris - Formation 1er Semestre ouverte et à distance

La période de cours est planifiée du 16/09/2024 au 18/01/2025

L'inscription est actuellement terminée pour cette session

Présentation

Public, conditions d'accès et prérequis

Prérequis : M1 ou bac + 4 et NFE204 ou équivalent
Public : cycle d'ingénieur CNAM, Master M2

Objectifs

La gestion et l'exploitation des données multimédia et spatio-temporelles ont une grande importance dans des domaines aussi variés que l'audiovisuel, l'exploitation de données scientifiques, l'imagerie médicale, le tourisme, la planification urbaine, l'étude du climat, le marketing ou la sécurité.
Les données multimédia et spatio-temporelles sont souvent peu structurées et très volumineuses, la technologie relationnelle est insuffisante ou inadaptée pour leur gestion. De plus, des opérations de recherche de nature différente sont nécessaires afin d'accéder à l'information présente par ex. dans des contenus visuels (BD multimédia) ou vectoriels (BD spatiales).
L'objectif de cet enseignement est de faire comprendre les principes et les technologies actuelles de gestion et de recherche dans des données multimédia et spatio-temporelles. Les travaux pratiques doivent permettre une familiarisation avec une partie des techniques abordées dans le cours.

Contenu

Thèmes abordés dans le cours et les travaux pratiques (TP) :

  • Spécificités des bases de données multimédia et des bases spatio-temporelles, domaines d'application.
  • Données image, audio et vidéo : description, traitement, stockage, structuration et outils disponibles
  • Données spécifiques : données médicales, satellite, aériennes, séries temporelles, anthropométriques (empreintes, iris, etc.), graphe
  • Bases de données spatiales et spatio-temporelles : modèle de données, structures d'index, produits du marché, applications.
  • Paradigmes et méthodes spécifiques de recherche d'information multimédia : recherche par le contenu, recherche multi-modale, méthodes par apprentissage
  • Passage à l'échelle de la recherche par similarité
  • Introduction à l'intelligence artificielle pour des données multimédia

Les TP permettent d'élargir, détailler et de mettre en œuvre certaines techniques vues en cours.

Bibliographie

Titre Auteur(s)
Deep Learning in Mining of Visual Content, 2020 Akka Zemari, Jenny Benois-Pineau
Multidimensional Signal, Image, and Video Processing and Coding, 2011 John W. Woods
Introduction au Machine Learning, 2019 Chloé-Agathe Azencott
Geographic Information Systems and Science, 2010 Paul A. Longley et al.

Modalités d'évaluation

  • Projet(s)
  • Examen final

Examen terminal et projet.