L'estimation de l'exposant de Hölder peut être assez coûteuse, notamment sur les signaux de grande dimension et pour les grandes images. Il était donc pertinent d'essayer de trouver une méthode simple et rapide pour pouvoir envisager des applications en temps réel. L'idée est de construire par programmation génétique un nouvel estimateur de la régularité Hölderienne. Pour cela, en collaboration avec Léonardo Trujillo et Jacques Levy-Vehel, nous avons construit un ensemble d'image avec des régularités prescrites avec la toolbox FracLab (dont je contribue au développement depuis 2000) puis nous avons conçu un GP afin de construire une fonction calculant instantanément un estimateur de l'exposant de Hölder en chaque point d'une image. On utilise ce GP pour chercher des opérateurs qui minimisent l'erreur d'estimation pour chaque régularité prescrite. %L'apprentissage est effectué en utilisant un petit ensemble d'images, toutes ayant la même régularité donnée par une fonction polynomiale. Alors Les estimateurs évolués, proposés pendant l'execution du GP, sont testés sur un nouvel ensemble d'images, dont on maîtrise la régularité Hölderienne (évoluant comme un sinus ou une exponentielle selon les axes). Les résultats expérimentaux montrent que l'estimateur obtenu à la fin du processus produit une bonne estimation de l'exposant de Hölder, d'un point de vue quantitatif et d'un point de vue qualitatif. En effet, l'estimateur obtenu surpasse la méthode par oscillation d'un ordre de magnitude. De plus, on constate que l'algorithme GP est capable de produire des estimateurs qui fonctionnent très bien au cours des tests. Enfin, la vitesse d'application de l'estimateur obtenu a permis pour la première fois de pouvoir estimer et d'afficher en temps réel la régularité Höldérienne d'une vidéo pendant son acquisition.
Leonardo Trujillo, \textbf{Pierrick Legrand}, Jacques Lévy Véhel. The estimation of Hölderian regularity using genetic programming. Genetic and Evolutionary Computation Conference (GECCO 2010). Best Paper Award in "Genetic Programming", Jul 2010, Portland Oregon, United States. ISBN 978-1-4503-0072-8, pp.861-868, 2010.
Ces travaux [1] ont reçu le Best Paper Award dans la catégorie "Genetic Programming" lors de la conférence GECCO 2010 à Portland, Oregon.
Local image features can provide the basis for robust and invariant recognition of objects and scenes. Therefore, compact and distinctive representations of local shape and appearance has become invaluable in modern computer vision. In this work,we study a local descriptor based on the Hölder exponent, a measure of signal regularity. The proposal is to find an optimal number of dimensions for the descriptor using a genetic algorithm (GA). To guide the GA search, fitness is computed based on the performance of the descriptor when applied to standard region matching problems. This criterion is quantified using the F-Measure, derived from recall and precision analysis. Results show that it is possible to reduce the size of the canonical Hölder descriptor without degrading the quality of its performance. In fact, the best descriptor found through the GA search is nearly 70% smaller and achieves similar performance on standard tests.
Leonardo Trujillo, Pierrick Legrand, Gustavo Olague, Cynthia Pérez. Optimization of the Hölder Image Descriptor using a Genetic Algorithm. GECCO 2010. Best paper award in "Real world applications"., Jul 2010, Portland Oregon, United States. ISBN 978-1-4503-0072-8, pp.1147-1154, 2010. [1].
Ces travaux ont reçu le Best Paper Award dans la catégorie "Real World Applications" lors de la conférence GECCO 2010 à Portland, Oregon.
La liste des papiers primés est disponible sur GeccoBestPapers. En 2009, la conférence GECCO était classée 11ème sur les 701 conférences internationales référencées en intelligence artificielle, machine learning, robotique, et human-computer interaction. Cette conférence est aussi classée rang A sur la liste ERA's rankings of conferences and journals.
The first annual "Humies" competition was held at the 2004 Genetic and Evolutionary Computation Conference (GECCO-2004) in Seattle. Entries were solicited for cash awards for human-competitive results that were produced by any form of genetic and evolutionary computation and that were published in the open literature during previous year. The publication can be a conference paper (e.g., a regular paper, poster, or late-breaking paper) or any work published elsewhere in the open literature (e.g., a journal article, technical report, thesis, book, book chapter) or other paper that has received final unconditional acceptance and not subject to further editing (that is, is "in press").
The criterion for "human-competitiveness" is that an automatically created result is considered "human-competitive" if it satisfies at least one of the following eight criteria.
2007 Finaliste des "Humies Awards", Human-competitive results produced by genetic and evolutionary computation. Interactive evolution for cochlear implants fitting. hc2007.
{ANR - RNTS} HEVEA project 04T550 (avec C. Bourgeois-Republique, P. Collet, J. Levy-Vehel, E. Lutton, V. Péan, B. Frachet).
L'objectif du projet HEVEA (Handicap : Etude et Valorisation de l'Ecologie Auditive) est de contribuer au réglage des implants cochléaires (prothèses auditives) afin d'optimiser la communication des personnes présentant des déficiences auditives. L'écologie auditive consiste en des méthodes d'auto-adaptativité des prothèses auditives. Ce projet est le produit d'une collaboration avec les organismes suivants: Université du Littoral, ex-équipe COMPLEX Inria Rocquencourt, Hôpital Avicenne, équipe ARPUFRL Université Paris 7.
Ces travaux font l'objet d'un article accepté dans la revue GPEM et ont été sélectionnés pour la finale des Human-Competitive awards 2007.
Les implants cochléaires sont des prothèses auditives, de plus en plus sophistiquées et adaptées aux besoins des patients, mais deviennent par conséquent de plus en plus difficiles à régler. Après qu'un patient déficient auditif ait été implanté chirurgicalement, un praticien spécialisé construit pendant des heures, mois après mois, un réglage adapté au patient. Ce processus est complexe et implique deux tâches intrinsèques : Le praticien doit régler les paramètres de l'implant tandis que le cerveau du patient doit s'adapter aux nouvelles données qu'il reçoit.
Nous avons donc créé un groupe de travail autour de cette problématique, en intégrant des chercheurs et des médecins, ce qui a permis de rendre l'implant plus adaptable à l'environnement du sujet et de simplifier le procédé de réglage de l'implant [1]. Pour cela, plusieurs outils ont été utilisés :
L'intérêt principal et l'originalité de l'algorithme évolutionnaire créé ici est qu'il est "interactif", ce qui signifie que l'évaluation des réglages qu'il propose ne se fait pas grâce au calcul d'une fonction de fitness comme pour les algorithmes classiques mais par une notation du patient.
Au cours de ce projet, j'ai créé un logiciel de réglage de prothèses auditives (visible dans la section Softwares). Ce logiciel, contenant le premier algorithme évolutionnaire fonctionnant sur mobile device, permet le réglage automatique d'un implant cochléaire tout en tenant compte de l'environnement du patient. Des expérimentations réelles sur des patients implantés volontaires ont prouvé l'efficacité de ce logiciel.
