Chef du projet: Professeur Cherif Foudil
|
Titre du projet |
Navigation des robots au milieu d’une foule dense d’humains en toute sécurité |
|
Acronyme du projet |
NRMFD |
|
Intitulé du thème |
Informatique |
|
Intitulé de l’axe |
Image et vie artificielle |
|
Intitulé du domaine |
MATHEMATIQUES ET INFORMATIQUE - رياضيات وإعلام آلي |
|
Mots-clés |
Robot, navigation, évitement de collisions, évitement d’obstacles, apprentissage automatique. |
|
Durée estimée du projet |
4 Ans |
|
Chef du projet |
Cherif Foudil Professeur |
|
Chercheurs impliqués dans le projet |
Bouguetitiche Amina MCB Chighoub Rabiaa MCB Benchaira Djawhara Doctorant Ouamane Fatma zohra Doctorant |
|
le partenaire socio-économique du projet |
|
Les objectifs
Les objectifs du projet sont à la fois de nature scientifique, technique et de formation de doctorants. Le premier objectif est une
politique pour les robots se déplaçant dans un environnement dynamique peuplé par des humains. Le second est la capacité
des robots à détecter et à prédire la dynamique d’une foule de piétons entourant le robot.
Notre plateforme permettra aux robots mobiles de naviguer de manière autonome et d’assister les humains dans les zones surpeuplées.
La boucle d’animation comportementale (perception, décision, action) appliquée aux humains virtuels sera très utile dans la simulation
des robots autonomes. Les nouvelles recherches montrent que les robots d’aujourd’hui sont programmés pour s’arrêter lorsqu’un humain,
ou tout autre obstacle est trop proche, pour éviter d’entrer en contact en se déplaçant. Cela empêche les robots d’entrer dans des zones
trop peuplées et de fonctionner efficacement dans ces environnements dynamiques. Nous visons à contribuer dans l’analyse et la récupération
des connaissances sur les interactions entre les robots et les personnes lors de la tache de navigation.
Nous vison aussi à rassembler les expertises pour développer de nouvelles capacités de robot afin de permettre aux robots de se déplacer
de manière sûre et socialement acceptable. Cela nécessite de réaliser les étapes suivantes :
- Capacités de détection pour estimer le mouvement de la foule autour du robot
- Capacités cognitives du robot à prédire l’évolution à court terme de l’état de la foule
- Capacités de navigation pour effectuer des mouvements sûrs à courte distance des personnes
Notre plateforme n’est pas spécifique pour un type de robot, mais fournir des technologies pour une variété de robots mobiles, pour des
contraintes techniques, on préfère utiliser les équipements scientifiques disponibles dans notre laboratoire (robot, voiture, Lidar, caméra...)
Chef du projet: Professeur Babahenini Mohamed Chaouki
|
Titre du projet |
Exploration de l'utilisation la réalité virtuelle/ la réalité augmentée et des techniques d'apprentissage automatique en médecine clinique |
|
Acronyme du projet |
ERVAMC |
|
Intitulé du thème |
Informatique |
|
Intitulé de l’axe |
Image et vie artificielle |
|
Intitulé du domaine |
MATHEMATIQUES ET INFORMATIQUE - رياضيات وإعلام آلي |
|
Mots-clés |
Réalité virtuelle, réalité augmentée, apprentissage automatique, application médicale, gestion des occultations. |
|
Durée estimée du projet |
4 Ans |
|
Chef du projet |
Babahenini Mohamed Chaouki Professeur |
|
Chercheurs impliqués dans le projet |
Zerari Abd El Mouméne MCB Babahenini Djihane MCB Bekiri Roumaissa Doctorant Cherif Intissar Doctorant |
|
le partenaire socio-économique du projet |
|
Les objectifs
Le premier objectif principal est d'explorer le potentiel d'intégration des techniques d'apprentissage automatique dans le développement
d'un outil de réalité virtuelle clinique pour fournir une évaluation objective et un traitement efficace d'un problème mental ou physique
qui pourrait conduire à une amélioration du secteur de la santé. Il s’agit donc de créer un système automatisé avec un médecin/coach
virtuel qui peut guider les patients à travers les scénarios virtuels, identifier leur niveau d'engagement, mesurer les progrès de leur
traitement et fournir des commentaires. Par conséquent, et après avoir choisi le problème de santé sur lequel nous allons travailler dans
ce projet, nous proposons d'analyser les méthodes traditionnelles de traitement et les systèmes cliniques de réalité virtuelle existants pour
extraire les défis majeurs pour les patients et les médecins/thérapeutes dans le réel et les situations virtuelles. Après avoir étudié l'état de
l'art et investigué les principales caractéristiques et paramètres à prendre en compte afin d'offrir un traitement efficace sur la base des
résultats des études précédentes et des conseils d'experts, un système clinique sera proposé permettant aux médecins/thérapeutes de
mieux assister et aider leurs patients dans différentes situations et scénarios de vie capables de guider les patients dans leur parcours
de traitement et de valider automatiquement leur passage d'une étape à l'autre.
Le deuxième objectif du projet consiste à gérer les occultations dans des environnements de réalité augmentée, ce problème a reçu
une attention considérable dans le domaine de la recherche sur les AR et consiste donc à tenir compte des interactions entre les éléments
virtuels insérés et la scène réelle : les parties occultées de ces éléments doivent être déterminées.
Chef du projet:Professeur Bachir Abdelmalik
|
Titre du projet |
Sur la conception et l’optimisation de l’Internet des Objets |
|
Acronyme du projet |
COIO |
|
Intitulé du thème |
Informatique |
|
Intitulé de l’axe |
Réseaux et communication |
|
Intitulé du domaine |
MATHEMATIQUES ET INFORMATIQUE - رياضيات وإعلام آلي |
|
Mots-clés |
Modélisation de la mobilité, optimisation , l’Internet des Objets , composition des services, méthodes d'accès et protocoles d’organisation. |
|
Durée estimée du projet |
4 Ans |
|
Chef du projet |
Bachir Abdelmalik Professeur |
|
Chercheurs impliqués dans le projet |
Kerdoudi Mohammed Lamine MCB Hannachi Ahlem Doctorant Abdelatif Sami Doctorant |
|
le partenaire socio-économique du projet |
|
Les objectifs
Dans ce projet nous visons essentiellement à étudier la possibilité de trouver des solutions qui permettraient aux objets de continuer à offrir des services découvrables par d’autres entités même dans les cas extrêmes ou toute l’infrastructure de base de communication (ex. réseaux locaux sans fil, réseaux télécoms) se trouverait hors service. Les recherches menées pour arriver à terme de cet objectif majeur nécessitent la maîtrise de plusieurs briques technologiques, architecture et protocoles de communication, ainsi que des connaissances sur la modélisation mathématique des réseaux de communication et de simulation/évaluation des performances, la modélisation de la dynamique des de la mobilité humaine etc.
La maîtrise de ces outils couplées avec l'étude de l'état de l’art sur la découverte de services dans l’Internet de façon générale et l’Internet des objets et dans des cas extrêmes de façon plus particulière ainsi que les principales technologies d'accès sans fil telles que WiFi et LTE et les modèle de mobilité humaine permettraient d’aboutir aux résultats intermédiaires et finaux suivants :
- Revue approfondie de la littérature sur les solutions existantes et les architectures permettant la découverte, la recommandation et la composition des services dans l'Internet des objets.
- Revue approfondie des technologies d'accès dans les réseaux Internet des objets (WiFi, Bluetooth, BLE, ZigBee, LoRa, SigFox, LTE-D2D) et les protocoles d'accès au médium et d’organisation de ces réseaux.
- Revue approfondie des méthodes de modélisation de la mobilité humaine.
- Identification des outils et des méthodes utilisés pour la validation de la conception et l'évaluation de performances des solutions de découverte, recommandation et de la composition des services, méthodes d'accès et protocoles d’organisation, ainsi que la modélisation de la mobilité humaine.
- Identification des outils et méthodes permettant de construire et de maintenir des réseaux formés de façon spontanée.
- Conception et modélisation mathématiques de solutions innovantes permettant aux services offerts par les objets intelligents de continuer à être découvrables même en l’absence de l’infrastructure de base et la mobilité de l’infrastructure temporaire proposée.
Développement de nouveaux outils, concepts ou points de référence pour l'évaluation des solutions.
Chef du projet: Professeur Bitam Salim
|
Titre du projet |
La dissémination sécurisée de données dans les réseaux véhicules de cinquième génération |
|
Acronyme du projet |
DSDRV5 |
|
Intitulé du thème |
Informatique |
|
Intitulé de l’axe |
Réseaux et communication |
|
Intitulé du domaine |
MATHEMATIQUES ET INFORMATIQUE - رياضيات وإعلام آلي |
|
Mots-clés |
Dissémination sécurisée des données, réseaux de véhicules, cinquième génération, qualité de service,deep learning. |
|
Durée estimée du projet |
4 Ans |
|
Chef du projet |
Bitam Salim Professeur |
|
Chercheurs impliqués dans le projet |
Houhou Okba MAA Hamida Ammar MAA Benalia El Hadja Doctorant Benbraika Mohamed Kamel Doctorant |
|
le partenaire socio-économique du projet |
|
Les objectifs
Les réseaux véhiculaires de cinquième génération sont considérés comme des réseaux cellulaires équipés de dispositifs de technologie très sophistiquée qui sont responsables d’une communication caractérisée par un temps de transmission très réduit et un débit et un taux de délivrance de paquets très élevés.
En premier lieu, ce projet de recherche vise la conception et développement d’un prototype : ‘un réseau véhiculaire de 5G en miniature’ qui hérite les propriétés de la 5G telles que le millimètreWave, le Beamforming, le massive MIMO, la gNodeB, et qui est connecté à une plate-forme de Fog/Cloud computing pour bénéficier de l’efficacité des ressources de traitement, de stockage et de communication offertes par cette plate-forme.
Par la suite, on projette la proposition d’un protocole de dissémination de données (niveau routage et applicatif) pour assurer une transmission de paquets efficace en termes de qualité de service et en termes de qualité de données disséminée (ex. la qualité de l’image ou de la vidéo échangées).
On compte aussi proposer une méthode de collecte, d’intégration et d’analyse intelligente de données de masse par des techniques de l’informatique intelligente comme l’apprentissage profond (deep learning) dans l’objectif d’aider les usagers de la route dans leurs décisions telles que le choix de trajet, la prestation de service, etc.
On vise aussi le renforcement des aspects reliés à la sécurité de données échangées dans ce genre de réseau par de nouvelles stratégies de défense comme la défense par des cibles mobiles.
Chef du projet : Professeur Djeffal Abdelhamid
|
Titre du projet |
Tri automatique des dattes par apprentissage artificiel |
|
Acronyme du projet |
TAD2A |
|
Intitulé du thème |
Informatique |
|
Intitulé de l’axe |
Machine learning |
|
r |
MATHEMATIQUES ET INFORMATIQUE - رياضيات وإعلام آلي |
|
Mots-clés |
Caractéristiques visuelles, tri automatique à base d’images, caméras de contrôle de qualité, apprentissage, classification. |
|
Durée estimée du projet |
4 Ans |
|
Chef du projet |
Djeffal Abdelhamid Professeur |
|
Chercheurs impliqués dans le projet |
Drid Aboubakr Essedik Doctorant Boumaaraf Ibtissem Doctorant |
|
le partenaire socio-économique du projet |
|
Les objectifs
Les objectifs de ce projet de recherche consistent à étudier les caractéristiques visuelles du fruit dattier permettant son tri automatique à base d’images ainsi que les nouvelles technologies de caméras de contrôle de qualité permettant la lecture de ces caractéristiques.
La méthodologie suivie consiste en premier lieu d’étudier les caractéristiques des dattes à travers une investigation dans les usines et laboratoires spécialisés dans la région. En deuxième lieu, on prévoit l’étude des systèmes de tri existant et déterminer les technologies adaptées au fruit dattier.
La troisième étape sera consacrée à l’étude des méthodes de classifications et d’en choisir la plus adéquate au tri des dattes.
Nous prévoyons à la fin la réalisation d’un prototype d’une trieuse automatique des dattes.
- Étudier le fruit dattier et ses caractéristiques permettant son tri.
- Étudier les différents types d’images utilisées pour la caractérisation des dattes.
- Proposition d’une chaine de prétraitement pour la préparation des images à l’analyse.
- Proposition des caractéristiques visuelles nécessaires à la classification des dattes.
- Construire une base de caractéristiques de référence pour les dattes.
- Réalisation d’une étude comparative des méthodes de classification des dattes et d’en proposer les adaptations et les améliorations nécéssaires .
- Étudier le problème de synchronisation et lui proposer une solution.
Construire un prototype d’une trieuse à base d’apprentissage automatique
Chef du projet : Professeur Djerou Leila
|
Titre du projet |
Traitement et analyse des données en grandes dimension dans le domaine biomédical. |
|
Acronyme du projet |
TADGD |
|
Intitulé du thème |
Informatique |
|
Intitulé de l’axe |
Image et vie artificielle |
|
Intitulé du domaine |
MATHEMATIQUES ET INFORMATIQUE - رياضيات وإعلام آلي |
|
Mots-clés |
Traitement et analyse des données, domaine biomédical, qui sont données volumineuses, bruitées, imprécises, incomplètes, deep learning, bio-inspirées, optimisation multi-objectif |
|
Durée estimée du projet |
4 Ans |
|
Chef du projet |
Djerou Leila Professeur |
|
Chercheurs impliqués dans le projet |
KHELIL NACEUR Professeur SFAKSI SARA Doctorant ABDELAIDOUM SAMAH Doctorant HADDAR FELLA Doctorant BENABDALLAH FATMA Doctorant |
|
le partenaire socio-économique du projet |
|
Les objectifs:
Le programme de recherche, dans ce projet, porte sur le développement des nouvelles approches pour le traitement et l’analyse des données en grandes dimension dans le domaine biomédical, qui sont des données volumineuses, bruitées, imprécises et incomplètes, c’est le cas :
- Les données des images médicales (3D et 3D+T) produites par différentes modalités de l’imagerie médicale.
- Les données issues de la technologie de génomique à haut débit.
Les méthodes envisagées, pour répondre à la problématique de ce projet, se fondent sur :
- Les techniques d’apprentissage pour réduire la dimension des données, en sélectionnant les attributs les plus intéressants pour le problème étudié.
- Les techniques d’apprentissage profond (deep learning) pour structurer efficacement l’information afin de déterminer des solutions d’excellente qualité.
- Les méta-heuristiques (bio-inspirées) à base de population qui sont très utiles pour ce type de problème où la recherche des solutions exactes ou optimales sont trop chères ou trop difficiles à trouver.
- Les méthodes d’optimisation multi-objectif permettant de trouver des solutions, à ce type de problèmes, où plusieurs objectifs sont pris en compte.
- Les techniques de traitement de bas niveau des images, afin de corriger les défauts dus à l’acquisition, des images médicales, et de réduire le bruit, couplées à des techniques de segmentation permettant de détecter des zones d'intérêt et de modéliser leurs aspects évolutifs.
- L’existence de multiples outils de segmentation d’images induit la question de l’évaluation de ces outils par des métriques d’évaluation qualitatives et subjectives.
- Les avancées technologiques récentes en termes de puissance de calcul des processeurs ( comme les GPUs)pour traiter plus rapidement ce type des problèmes.
Chef du projet:Professeur Toumi Abida
|
Titre du projet |
Poursuite d'objets dans des séquences d'images par les algorithmes évolutionnaires |
|
Acronyme du projet |
POSIAE |
|
Intitulé du thème |
Sciences et Technologie / Génie électrique |
|
Intitulé de l’axe |
Génie Electrique |
|
Intitulé du domaine |
Sciences et Technologie |
|
Mots-clés |
Poursuite d'objets, séquences d'images, algorithmes évolutionnaires, estimation de mouvement, l'asservissement visuel des robots |
|
Durée estimée du projet |
4 Ans |
|
Chef du projet |
Toumi Abida Professeur |
|
Chercheurs impliqués dans le projet |
Terki Nadjiba Professeur Betka Abir Doctorant Touil Djamel Doctorant Charef-Khodja Med Fouad Doctorant |
|
le partenaire socio-économique du projet |
|
Les Objectifs :
Le suivi d’objets dans une séquence d’images est un problème largement étudié dans le domaine de l’analyse du mouvement, parmi ses nombreuses applications on peut noter la surveillance vidéo la robotique, la compression de vidéos, l’étude de la déformation d’objets, la détection et le suivi de fouillis radar…Ainsi, de nombreux algorithmes de suivi ont été proposés ces dernières années. Mais il n’existe pas, à l’heure actuelle, d’algorithmes aboutis s’adaptant à n’importe quelle situation.
Ce projet vise à contribuer scientifiquement dans :
Les algorithmes de suivi à base de l’estimation de mouvement qui s’appuient sur des méthodes de regroupement de régions homogènes au sens du mouvement. Le principe de ces méthodes consiste à estimer, à partir d’une séquence d’images, le mouvement apparent des objets composants une scène tridimensionnelle afin de faire le suivi d’objets. Le problème d’estimation de mouvement est ramené à un problème d’optimisation, ce dernier est résolu par les algorithmes évolutionnaires.
Application des algorithmes développés dans l'asservissement visuel des robots (les mini-hélicoptères et les drones munis de systèmes de vision), et l’adaptation de leurs utilisations dans des applications industrielles.
- Développement de nouvelles méthodes d'estimation de mouvement.
- Etude des méthodes d'optimisation à base des algorithmes évolutionnaires
- Développement de nouveaux algorithmes de poursuite d’objets à base des algorithmes évolutionnaires
- Développement d'un système de commande doté d'une caméra pour le suivi par vision (d'asservissement visuel)
Chef du projet: Profeseur Zitouni Athmane
|
Titre du projet |
Développements des applications de l’apprentissage profond (Deep learning) dans la biométrie et la télésurveillance |
|
Acronyme du projet |
D2APBT |
|
Intitulé du thème |
Sciences et Technologie / Génie électrique |
|
Intitulé de l’axe |
Génie Electrique |
|
Intitulé du domaine |
Sciences et Technologie |
|
Mots-clés |
Apprentissage profond, biométrie, télésurveillance, Détection et suivi d’objets, comportement des objets. |
|
Durée estimée du projet |
4 Ans |
|
Chef du projet |
Zitouni Atmane Professeur |
|
Chercheurs impliqués dans le projet |
Megherbi Ahmed Chaouki Professeur Gouizi Fatma Doctorant Houhou Ihsen Doctorant Bouneb Yazid Doctorant |
|
le partenaire socio-économique du projet |
|
Les objectifs:
- Détection et suivi d’objets en mouvement
- Analyse du comportement des objets : identification de situations potentiellement dangereuses
- Étude des différentes méthodes d’analyse textuelle des documents de type réseaux sociaux et analyse des links image/vidéos
- Développement de méthodes robuste pour l’interprétation des images/vidéos en information textuelle.
- Étude sur le comportement déroutant des systèmes modernes d'apprentissage profond (Deep learning) en ce qui concerne l'optimisation et la généralisation.
- Utilisation des méthodes à base d’apprentissage profond (Deep Learning) pour des applications de la vidéosurveillance afin de détecter des objets en mouvement de façon performant et rapide.
- Conception des méthodes métaheuristiques pour résoudre le problème d'optimisation pour différentes architectures du deep learning.
- Implémentation d’une méthode d’extraction et d’analyse textuel à base de l’apprentissage profonde (deep learning ).
Chef du projet: Profeseur Babaheninin Mohamed Chaouki
|
Titre du projet |
L’influence de la perception visuelle sur la qualité de la simulation des foules d’humains virtuels. |
||
|
Acronyme du projet |
TAD2A |
||
|
Intitulé du thème |
Informatique |
||
|
Intitulé de l’axe |
Machine learning |
||
|
r |
MATHEMATIQUES ET INFORMATIQUE - رياضيات وإعلام آلي |
||
|
Mots-clés |
Perception visuelle, la simulation des foules, humains virtuels, environnement dynamiques. |
||
|
Durée estimée du projet |
4 Ans |
||
|
Chef du projet |
Babahenini Med Chaouki Professeur |
||
|
Chercheurs impliqués dans le projet |
|
||
|
le partenaire socio-économique du projet |
|
Les objectifs:
L’objectif principal du projet est comment explorer la variété de la foule pour rendre une simulation réaliste de point de vue forme, couleur, mouvement et d’autres aspects tels que la portée des accessoires.
- Comment introduire une variété dans les paramètres des modèles de simulation affectera la qualité visuelle de la foule en créant une variété dans les trajectoires globales ?
- Et comment l'utilisation de différents modèles dans une simulation unique aura une incidence sur la qualité visuelle globale en créant une gamme de comportements sociaux distincts.
- Un autre objectif est d’explorer des stratégies alternatives pour rendre les robots capables de se déplacer en toute sécurité dans une foule. Pour cela nous voulons fournir au robot de nouvelles fonctionnalités :
- La perception de la foule autour du robot
- La prédiction pour prédire l'évolution de la foule autour du robot
- La navigation sûre dans cet environnement dynamique basé sur cette prédiction.
- Intégration des modèles de simulation existants dans un cadre unifié.
- Explorer comment les paramètres individuels de chaque modèle de simulation affectent la variété en termes de trajectoires globales.
- Explorer comment l'utilisation de plusieurs modèles de simulation différents affecte la variété en termes de comportements de caractères.
- Concevoir des protocoles pour évaluer l'effet des modèles de simulation et des paramètres en termes de qualité
- Proposition du modèle de modélisation de l’environnement
- Navigation de la foule dans l’environnement dynamique.