Données multimédia et spatio-temporelles
NFE205


Objectifs pédagogiques :

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.

Public et conditions d'accès :

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

Compétences :

Maîtrise des enjeux et défis pour les nouveaux marchés liés à la gestion de gros volumes de données non traditionnelles (notamment grandes bases de données multimédia : image, vidéo, son, capteurs), pour lesquels la technologie relationnelle est insuffisante.

Méthodes de validation :

Examen terminal et projet.

Contenu de la formation :

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

Cette UE apparaît dans les diplômes et certificats suivants :

Prochaines sessions de formation

Recherche en cours