Recherche

Domaines de recherche depuis sept. 2002

  • Période 2002-2005 : systèmes dynamiques discrets et calcul numérique sur grille
  • Période 2003-2007 : premier travail sur les réseaux de capteurs
  • Période 2008-2012 : orientation vers l'intelligence artificielle et plus précisément les réseaux de neurones
  • Période 2012-2015 : réseaux de capteurs et bio-informatique
  • Depuis 2015 : réorientation vers l'intelligence artificielle et plus particulièrement l'apprentissage profond (Deep Learning)

Description des travaux actuels

Au cours de l'année 2015, j'ai décidé de me focaliser sur le Machine Learning et ceci pour deux raisons. Premièrement, les deux étudiants en thèse que j'encadrais depuis 2012 soutenaient leur thèse fin 2015, ce qui me permettait de me focaliser sur une seule thématique. Deuxièmement, avec un collègue nous avons décidé de travailler sur le calculateur neuromorphique développé par le département d'OPTIQUE de FEMTO-ST, calculateur qui met en oeuvre le principe du Reservoir Computing. Le Reservoir Computing est un paradigme de réseau de neurones récurrent qui est intéressant car d'une part le processus d'apprentissage est simplifié (seule la couche de sortie est entraînée) et d'autre part il existe de nombreuses implémentations sous forme de calculateur neuromorphique. Enfin, plus récemment, nous avons commencé à étudier des réseaux de neurones profonds (Deep Learning) et plus particulièrement les réseaux de neurones convolutionnels (Convolutional Neural Networks - CNN). De fait, ces réseaux de neurones permettent de répondre à certaines des problématiques qui sont l'objet de travaux dans l'équipe AND, à savoir la stéganalyse et le débruitage d'images.

Reservoir Computing

Le travail sur le Reservoir Computing, démarré début 2015, s'est appuyé sur deux stages de Master 2 Recherche. Le premier stage a consisté à développer une version C++, faisant du calcul multicoeur grâce à MPI, d'un programme Matlab simulant le dispositif physique (opto-électronique) développé par les physiciens. Même si le Reservoir Computing a été appliqué avec succès sur de nombreux problèmes de prédiction de séries temporelles, ou de classification comme la reconnaissance de sons, son utilisation pour des tâches en imagerie a été moins étudiée. Aussi, le second stage a étudié la capacité d'un Echo State Network, qui est une instance du Reservoir Computing, à correctement classifier des images de chiffres manuscrits (MNIST problem). Une analyse de différents pré-traitements sur les images et de différentes manières de les présenter au réseau a été faite. Plusieurs stratégies d'utilisation de l'état du réservoir pour calculer la sortie ont été évaluées. Les résultats obtenus lors de ces deux stages ont fait l'objet, respectivement, d'une présentation lors d'un Workshop organisé par le Laboratoire de Mathématiques de Besançon début novembre 2015 et d'une conférence internationale en août 2016.

Apprentissage profond - Réseaux de neurones convolutionnels

Concernant le Deep Learning, nous nous sommes intéressés à l'utilisation d'un réseau de neurones convolutionnels pour détecter si une image était stéganographiée ou non, c'est-à-dire déterminer si des pixels ont été modifiés pour embarquer un message caché. Tout d'abord, nous avons essayé de proposer un stéganalyseur avec une nouvelle architecture de CNN. L'objectif étant d'obtenir de meilleurs taux de détection que les stéganalyseurs existants, mais sans grand succès. Par la suite, nous avons identifié une approche permettant de choisir, pour une image donnée, le stéganalyseur le plus fiable entre le meilleur stéganalyseur basé sur un CNN et le meilleur suivant l'approche classique Spatial Rich Model+Ensemble Classifier. Nous avons ainsi obtenu les meilleurs taux de détection pour trois algorithmes de stéganographie dans le domaine spatial (embarquement en modifiant le niveau de gris de certains pixels de +1 ou -1). Ce travail a été publié comme papier régulier de la conférence internationale ICT Systems Security and Privacy Protection - IFIP SEC 2017 (Rang B) et a fait l'objet de plusieurs communications orales au niveau national notamment lors des Journées Scientifiques Equip Meso de fin janvier 2017. Lors de leur publication, nos résultats constituaient la référence pour la stéganalyse dans le domaine spatial.

Vidéo de la présentation faite lors des Journées Equip@Meso 2017

Plus récemment, nous avons commencé à étudier le débruitage d'images. Pour ce faire, nous avons proposé une architecture de réseau de type Fully Convolutional Network qui consiste en un encodeur-décodeur U-Net avec des skip connections. Ce réseau permet de traiter deux types de bruit : du bruit additif (AWGN) et du bruit multiplicatif (speckle noise), avec des capacités de débruitage aveugle. La comparaison des performances de débruitage obtenues (PSNR et indice SSIM) avec des approches connues du domaine montrent que le réseau proposé est très compétitif. Ce travail sera présenté en décembre 2018 lors de la 25th International Conference on Neural Information Processing - ICONIP 2018 (Rang A).

Encadrement d'étudiants

8 co-encadrements de thèses : 4 thèses soutenues et 4 thèses en cours

  1. Ralph Karam (70%  octobre 2019 à octobre 2022 - thèse en cours)
    • Titre : Automatic detection of business data anomalies with deep learning and application to the ADS-B protocol
  2. Jean-Marc Alkazzi (50% - juin 2019 à juin 2022 - thèse en cours)
    • Titre : Towards autonomous factories with multi-agent reinforcement learning
  3. Jérôme Meyer (40% - d'avril 2019 à avril 2022 - thèse en cours)
    • Titre : Virtualization and automation of assemblyline design
  4. Zhihao Chen (40% - de novembre 2018 à novembre 2021 - thèse en cours dans le cadre du projet ISITE ADVANCES)
    • Titre : Deep learning for automatic detection and quantification of the disease areas of the myocardium from DE-MRI after myocardial infarction
  5. Bassam Alkindy (40% - de décembre 2012 à décembre 2015 - thèse soutenue le 17décembre 2015)
    • Titre du mémoire : Combining Approaches for Predicting Genomic Evolution
    • Devenir : Assistant Professor at University of Mustansiriyah, Baghdad, Iraq
  6. Ali Kadhum Idrees (40% - de septembre 2012 à octobre 2015 - thèse soutenue le 1er octobre 2015)
    • Titre du mémoire : Distributed Coverage Optimization Techniques for Improving Lifetime of Wireless Sensor Networks
    • Devenir : Assistant Professor at University of Babylon, Iraq
  7. Rémy Laurent (40% - de septembre 2008 à fin septembre 2011 - thèse soutenue le 21 septembre 2011)
    • Titre du mémoire : Simulation du mouvement pulmonaire personnalisé par réseau de neurones artificiels pour la radiothérapie externe
    • Devenir : travail dans le privé
  8. Amine Abbas (50% - de septembre 2003 à fin juin 2007 - thèse soutenue le 28 juin 2007)
    • Titre du mémoire : Optimisation de la durée de vie d'un réseau de capteurs
    • Devenir : travail dans le privé

7 co-encadrements de stages de Master 2 Recherche avec le Pr. Raphaël Couturier

  1. David Roche (50% - de février à septembre 2018)
    • Titre du mémoire : Deep learning pour la conception d'une intelligence artificielle pour un jeu abstrait
  2. Pierre Feilles (50% - de février à août 2018)
    • Titre du mémoire : Etude et mise en oeuvre d'une approche de type deep learning pour segmenter automatiquement le myocarde
  3. Pierre Primet (75% - de février à septembre 2017)
    • Titre du mémoire : Etude et mise en oeuvre d'une approche de type deep learning comme outil d'aide à la détection d'une pathologie
  4. Schaetti Nils (75% - de février à septembre 2015)
    • Titre du mémoire  : Reservoir Computing : Etude théorique et pratique en reconnaissance de chiffre manuscrits
  5. Nassar Jad (75% - de février à septembre 2015)
    • Titre du mémoire : Parallelization of a simulation code for neuromorphic computing
  6. Arnaud Aubert (33% - de février à octobre 2010)
    • Titre du mémoire : Contrôle actif d'écoulements aérodynamiques par réseaux de neurones
  7. Amine Abbas (50% - de février à septembre 2003)
    • Titre du mémoire (DEA) : Mixage synchronisme/asynchronisme dans les réseaux d'automates finis discrets

Participation à des appels à projet

J'ai participé au montage de plusieurs projets, notamment en réponse à des appels à projet de l'ANR, en étant coordinateur pour certains d'entre eux.

ANR

  1. Membre du projet ADOCMRI en cours de soumission  l'AAPG 2019
  2. Membre du projet GeLeaD soumis avec succès à l'AAP ASTRID 2018 - 300 k€ financés
    • Ce projet a pour objet la détection par IA de falsifications de données Métier avec entraînement par génération de tests sur patterns d'attaque. Il s'agira plus précisément de pouvoir détecter des messages ADS-B falsifiés, messages non sécurisés qui sont envoyés automatiquement par les avions en vol et qui permettent une surveillance passive.
  3. Coordinateur du projet APACHE soumis sans succès à l'AAP ASTRID 2013
    • Ce projet, labellisé par le Pôle Véhicule du Futur, portait sur l'utilisation de PUFs (Physically Unclonable Functions) acoustiques pour l'authentification de composants électroniques.
  4. Membre du projet MAPGEN soumis sans succès au Programme JCJC 2012
    • L'objet de ce projet était de concevoir des modèles mathématiques et informatiques capables de modéliser la dynamique de l'évolution des génomes, prenant en compte les mutations, les réarrangements inter et intra-chromosomiques, etc.
  5. Membre du projet CrypSKOD soumis sans succès à l'AAP SETIN 2006
    • Ce projet s'inscrivait dans le cadre d'une collaboration avec des collègues du département d'OPTIQUE de FEMTO-ST. Son but était de mettre au point des versions logicielles et matérielles d'un système de cryptographie par chaos.

I-SITE Bourgogne Franche-Comté

  1. Membre du projet HoloNet soumis actuellement à l'appel à projet AAP Region I-SITE 2020
  2. Membre du projet ADVANCES soumis avec succès à l'appel à projet 2017 - 309 k€ financés
    • La finalité de ce projet est de pouvoir déterminer automatiquement la viabilité du myocarde, afin d'aider le cardiologue à choisir le meilleur traitement permettant à un patient de récupérer une bonne fonction cardiaque après un infarctus.

PRC

  1. Porteur côté français du projet SHOwCASe soumis sans succès au PRC CNRS-Royal Society 2018
    • Ce projet, en collaboration avec des collègues du De Montfort University Interdisciplinary Group in Intelligent Transport Systems (DIGITS) de Leicester (UK), porte sur la planification intelligente de la charge des véhicules électriques autonomes. Le financement aurait permis de financer les déplacements sur une durée de 2 années.

Relecture d'articles pour des revues et des conférences internationales

Revues

  • Digital Signal Processing (IF Web of Science JCR 2016/2017 : 2.241) en 2018
  • Algorithms et Symmetry (SJR Q2 in Computer Science) tout deux en 2018
  • PLOS ONE (IF Web of Science JCR 2016/2017 : 2.766) en 2018
  • IEEE/ACM Transactions on Computational Biology and Bioinformatics (IF Web of Science JCR 2016/2017 : 1.955) en 2018
  • IEEE Journal of Microelectromechanical Systems (IF Web of Science JCR 2016/2017 : 2.124) en 2018
  • Journal of Computational Science (IF Web of Science JCR 2016/2017 : 1.748) en 2015, 2016 et 2017
  • Journal of Supercomputing (IF Web of Science JCR 2016/2017 : 1.326) en 2016
  • Journal Engineering Applications of Artificial Intelligence (IF Web of Science JCR 2015 : 2.368 ) en 2014
  • Numéro spécial de la revue IEEE Computational Intelligence Magazine en 2012
    (thème : Computational Intelligence in Computer Vision and Image Processing)

Conférences

  • MENACOMM 2019, IEEE Middle East North Africa COMMunications Conference, Manama, Bahrain
  • SCS 2019, 2nd Smart Cities Symposium, Bahrain
  • MENACOMM 2018, IEEE Middle East North Africa COMMunications Conference, Jounieh, Lebanon
  • MMSys 2018 (IoT and Smart Cities track), ACM Multimedia Systems Conference, Amsterdam, Netherlands
  • ISPA 2017, 15th IEEE International Symposium on Parallel Distributed Processing with Applications, Guangzhou, China
  • CSE 2016, 19th IEEE Int. Conf. on Computational Science and Engineering, Paris, France
  • ICANN 2009, 19th International Conference on Artificial Neural Networks, Limassol, Cyprus
  • LNC 2007, 32nd IEEE Conference on Local Computer Networks, Dublin, Ireland