L’air de rien No 33Séminaire CSI de juillet 2015

L’aléastriel du Laboratoire de Recherche et de Développement de l’EPITA 1 Numéro 33, 6 Juillet 2015

Éditopar Valentin Tolmer (CSI 2016)

Ce numéro “Séminaire CSI” a pour objectif deprésenter le séminaire de fin d’année des étudiantsdu LRDE. Ainsi tous les ans, nous exposons notretravail de recherche du semestre sur nos projetsrespectifs. Cette fois, les présentations de tous lesélèves de première et de deuxième année se dérou-leront sur toute la journée du 6 juillet.

Pour nous, ces présentations sont importantes,car elles nous permettent non seulement de parta-ger nos travaux et les résultats obtenus, mais aussielles sont le point culminant d’une expérience nou-velle pour certains et enrichissante pour tous. Aussinous vous attendons nombreux et intéressés, pourpouvoir partager ce qu’on a découvert tout au longdu semestre.

Programme du séminaire CSI du 6 juillet 2015Matin

6 juillet 10h00–12h30 — Amphi 3 KBSpot

10h00 Une implémentation efficace de déterminisa-tion d’automates de Büchi généralisés à tran-sitions acceptantes — Alexandre Lewkowicz

Vcsn10h30 De nouvelles façons d’utiliser l’interface Jupy-

ter — Nicolas Barray11h00 Suppression efficace de transitions spontanées

— Antoine Pietri11h30 Algorithmes sur les Transducteurs —

Valentin TolmerSpeaker ID

12h00 La Segmentation du Locuteur basée surl’Analyse en Composantes Indépendantes —Fanny Riols

Après-midi

6 juillet 14h00–16h00 — Amphi 3 KBSpeaker ID

14h00 Apprentissage d’une distance entre deux i-vecteurs via des réseaux de neurones à convo-lution — Valentin Iovene

14h30 Mappage d’espace d’i-vecteur à l’aide d’un ré-seau neuronal profond — Louis Groux

Olena15h00 Traitement d’images de cartes anciennes pour

la détection de parcelles — Anne-Claire Berthet15h30 Adaptation de l’algorithme de watershed cuts

aux complexes cellulaires — Guillaume Doré

1. L’air de rien, http://publis.lrde.epita.fr/LrdeBulletin.

L’air de rien — Séminaire CSI de juillet 2015 No 33, 6 Juillet 2015

De nouveaux stagiaires et doctorants pour leLRDELe LRDE est heureux d’accueillir beaucoup de nou-veaux stagiaires et doctorants.

Ainsi l’équipe Climb s’est agrandie cette annéeen embauchant deux ingénieurs de Recherche et fu-turs doctorants, Alexandre Landi et Jim Newton,ainsi qu’une stagiaire Master d’UPMC, Krista Dru-shku.

Divya Grover (diplômé Bachelor) et Nishit Pa-rekh (Bachelor) de notre partenaire, l’ Indian Ins-titute of Technology Jodhpur 2 renforcent l’équipeImage avec un stage, tout comme Lê Duy Huynh,stagiaire Master de Télécom Bretagne, qui conti-nuera avec une thèse en traitement d’images à larentrée.

Contacter le LRDE

18, rue PasteurParitalie, bâtiment X, aile Mistral

2e étage, droite droite

Tél. : 01 53 14 59 22Fax : 01 53 14 59 13

Contact : info@lrde.epita.frLes permanents : lrde@lrde.epita.frSite Web : http://www.lrde.epita.fr

. . . et surtout, passez nous voir ;vous serez toujours les bienvenus !

2. Indian Institute of Technology Jodhpur, http://www.iitj.ac.in/.

4

L’air de rien — Séminaire CSI de juillet 2015 No 33, 6 Juillet 2015

Spot

Une implémentation efficace dedéterminisation d’automates deBüchi généralisés à transitions ac-ceptantespar Alexandre Lewkowicz U 6 juillet, 10h00, Amphi 3

Dans le model checking probabiliste, l’utilisationd’ ω-automates déterministes permet de faciliter lescalculs probabilistes grâce à l’unicité de chaque che-min. Malheureusement, il existe peu de traducteursLTL qui produisent des ω-automates déterministes.De plus, ceux produits par Spot, une bibliothèquede model checking, ne le sont pas forcément. La po-werset construction n’arrive pas toujours à déter-miniser les automates de Büchi. Cependant, en mé-morisant les chemins acceptants, la construction deSafra arrive à convertir les automates nondétermi-nistes de Büchi en automates déterministes de Ra-bin. Le changement de condition d’acceptation estnécessaire car les automates de Büchi déterministessont moins expressifs que leurs variantes nondé-terministes. L’implémentation de cette constructionpermettra à Spot de déterminiser tous types d’au-tomates et de calculer leurs compléments. Dans cepapier, on verra comment implémenter de manièreefficace cette construction et comment l’étendre à ladéterminisation d’automates de Büchi généralisés àtransitions acceptantes.

Vcsn

De nouvelles façons d’utiliser l’in-terface Jupyterpar Nicolas Barray U 6 juillet, 10h30, Amphi 3

Vcsn est une plateforme dédiée à la création etla manipulation d’automates et transducteurs finis,avec ou sans multiplicités. Elle est composée d’unecouche C++ rapide et performante ainsi que d’uneinterface web Python 3 (Jupyter) plus simple d’utili-sation. L’objectif de ce travail est d’ajouter de nou-velles fonctionnalités intuitives et pédagogiques àla couche Jupyter. L’utilisateur doit facilement accé-der à tous les outils (génération d’automates et utili-sation d’algorithmes sur eux) que propose la plate-forme à ce jour.

Suppression efficace de transitionsspontanées dans Vcsnpar Antoine Pietri U 6 juillet, 11h00, Amphi 3

Nous exposerons des façons performantes etgénériques d’implémenter la suppression de tran-sitions spontanées dans un ε-NFA. Nous compa-rons deux approches : l’algorithme d’ε-clôture deJ. Sakarovitch et S. Lombardy, et l’algorithme d’ε-suppression de M. Mohri. Nous discutons de la fa-çon dont ces algorithmes peuvent être implémentésdans le cas d’automates pondérés génériques, ainsique de leur performance, en comparant des résultatsempiriques obtenus dans Vcsn.

Algorithmes sur les Transducteurspar Valentin Tolmer U 6 juillet, 11h30, Amphi 3

Les transducteurs sont utilisés dans beaucoupde contextes, comme la reconnaissance de paroleou le calcul de la similitude entre protéines. Cetterecherche montre l’implémentation dans Vcsn deplusieurs algorithmes permettant de manipuler destransducteurs afin de résoudre ces problèmes.

Tout d’abord, un algorithme permettant detransformer un transducteur en automate pondéréqui peut être facilement évalué est présenté. L’algo-rithme de synchronisation a ensuite été implémenté,ce qui a amené au calcul du transducteur des dis-tances d’édition, et son évaluation.

Speaker IDLa Segmentation du Locuteur ba-sée sur l’Analyse en ComposantesIndépendantespar Fanny Riols U 6 juillet, 12h00, Amphi 3

Ces dernières années, de nombreuses recherchesont été faîtes sur la séparation de sources audio. Lorsde réunions ou dans des lieux publics bruyants, ilarrive souvent que plusieurs personnes parlent enmême temps. Ainsi, chaque voix doit être extraîtedes enregistrements audio en contenant plusieurs,afin d’être correctement reconnue. Un algorithmeefficace pour ceci est celui de l’Analyse en Com-posantes Indépendantes (ACI). L’ACI modélise un

2

No 33, 6 Juillet 2015 L’air de rien — Séminaire CSI de juillet 2015

mélange de signaux comme une forme standard desuperposition linéaire des signaux sources. Mêmedans des conditions environnementales difficiles, lerésultat de l’ACI contiendra toujours de fortes com-posantes résiduelles du mélange de voix. Nous al-lons utiliser cet algorithme pour la segmentation dulocuteur dans le système de vérification du locuteur.Nous obtiendrons de meilleurs résultats, particuliè-rement dans le cas de données audio avec plusieursorateurs, comme dans les interviews ou les enregis-trements de microphones de l’évaluation de recon-naissance du locuteur de NIST.

Apprentissage d’une distanceentre deux i-vecteurs via des ré-seaux de neurones à convolutionpar Valentin Iovene U 6 juillet, 14h00, Amphi 3

Ce travail applique les réseaux de neurones arti-ficiels à convolution (CNN) à la reconnaissance dulocuteur. Le CNN est utilisé pour approximer unemesure de la distance entre deux i-vecteurs (vec-teurs représentant les composantes de la voix d’unepersonne). Contrairement à la distance cosinus, fré-quemment utilisée comme mesure de distance entredeux vecteurs, la fonction approximée par un CNNpeut être non-linéaire.La performance de ce modèle sera comparée à cellesde la distance cosinus et du classificateur PLDA.

Mappage d’espace d’i-vecteur àl’aide d’un réseau neuronal pro-fondpar Louis Groux U 6 juillet, 14h30, Amphi 3

La mise au point d’un système de reconaissancedu locuteur performant nécessite l’utilisation d’al-gorithmes complexes et lents. Ce travail proposel’utilisation d’un réseau neuronal profond afin demapper un espace d’i-vecteur de faible dimension-nalité fournis par un modèle simple vers un es-pace d’i-vecteur de forte dimensionnalité. Ce sys-tème sera evalué à la reconnaissance du locuteur surles données de NIST-SRE 2010.

Olena

Traitement d’images de cartes an-ciennes pour la détection de par-cellespar Anne-Claire Berthet U 6 juillet, 15h00, Amphi 3

L’application de filtres morphologiques sur uneimage en niveaux de gris permet d’en faire dis-paraître certaines parties et d’en mettre en valeurd’autres. De ce fait, en choisissant un élément struc-turant adapté, il est possible d’éliminer certains élé-ments d’une carte comme le texte et de reformer leslignes discontinues.Un banc de filtres a été défini permettant de récu-pérer les lignes fines de l’image, frontières des par-celles, et ce, quelle que soit leur orientation. Surl’image résultante, un algorithme de partage deseaux peut mettre en évidence les parcelles recher-chées.Par ailleurs, l’application d’un algorithme de seamcarving permet de retirer, en pré-traitement, d’éven-tuelles lignes de quadrillage.

Adaptation de l’algorithme de wa-tershed cuts aux complexes cellu-lairespar Guillaume Doré U 6 juillet, 15h30, Amphi 3

Le principe d’un algorithme de ligne de partagedes eaux est de partionner en régions (bassins) uneimage en niveaux de gris. Plus particulièrement, l’al-gorithme de "watershed cut" opère des coupes dansun graphe formé à partir d’une image et dont lesarêtes sont valuées. Une premiére approche a étéde considérer l’image comme un graphe 4-connexedont les sommets sont les pixels. Il est alors apparuque cette approche pouvait masquer des minima lo-caux. Une seconde solution, à base de complexe sim-plicial, a donc été étudiée. Ce travail de rechercheutilise la bibliothèque Milena, la bibliothèque géné-rique de traitement d’images en C++ développée aulaboratoire.

3