Désactiver l'autocomplétion

Recherche avancée

Uniquement les thèses soutenues Uniquement les thèses soutenues accessibles en ligne

SIGNALER une erreur

personne précédente

personne suivante

Nikos Komodakis

a dirigé 6 thèses
a été rapporteur pour 4 thèses
a été membre de jury pour 2 thèses

Appariement de graphs Apprentissage Apprentissage automatique Apprentissage en Profondeur Apprentissage en profondeur Apprentissage non-supervisé Apprentissage profond Apprentissage statistique Apprentissage supervisé Approximations de rang faible Arbres du maximum de vraisemblance Champ aléatoire de Markov Chemin de régularisation Classement Classification automatique Classification des scènes a ériennes Convolution sur de graphes Convolutions Directions alternées Elimination des nuages Extraction de l’empreinte du bˆ atiment Fonction de perte Fonctions calculables -- Informatique Génération de graphes Imagerie médicale Imagerie satellitaire Imagerie à haute gamme dynamique Information, Théorie de l' Informatique Inférence Inférence MAP Inférence variationnelle La fonction de perte de substitution Machines à vecteurs de support Markov, Champs aléatoires de Modèles graphiques Modèles graphiques probabilistes Modéles graphiques probabilistes Normes atomiques Nuages de points Optimisation convexe Optimisation discréte Optimisation numérique Optimisation submodular Parcimonie Parcimonie matricielle Plongement de graphes Probabilités Prédiction Structurée Prédiction structurée Rang faible Recalage Reconnaissance d'objets Reconnaissance des objets Réseau de neurons artificiels Réseaux de neurones profonds Réseaux neuronaux Réseaux neuronaux convolutifs SVM structurées Segmentation des nuage de points Submodular Supermodular Théorie de l'information Traitement d'images -- Techniques numériques Traitement d'images Variation totale Vision artificielle Vision par ordinateur

Fullscreen

Appariement de graphs Apprentissage Apprentissage automatique Apprentissage en Profondeur Apprentissage en profondeur Apprentissage non-supervisé Apprentissage profond Apprentissage statistique Apprentissage supervisé Approximations de rang faible Arbres du maximum de vraisemblance Champ aléatoire de Markov Chemin de régularisation Classement Classification automatique Classification des scènes a ériennes Convolution sur de graphes Convolutions Directions alternées Elimination des nuages Extraction de l’empreinte du bˆ atiment Fonction de perte Fonctions calculables -- Informatique Génération de graphes Imagerie médicale Imagerie satellitaire Imagerie à haute gamme dynamique Information, Théorie de l' Inférence Modèles graphiques Optimisation convexe Prédiction structurée Reconnaissance d'objets Réseaux neuronaux Traitement d'images Vision par ordinateur

Nikos Komodakis a dirigé les 6 thèses suivantes :

Towards efficient learning of graphical models and neural networks with variational techniques

par Xu Hu sous la direction de Nikos Komodakis - Paris Est

Informatique

Soutenue le 19-12-2019

Thèse soutenue

Accéder en ligne

Deep learning on attributed graphs

par Martin Simonovsky sous la direction de Nikos Komodakis - Paris Est

Signal, Image, Automatique

Soutenue le 14-12-2018

Thèse soutenue

Accéder en ligne

Effective and annotation efficient deep learning for image understanding

par Spyridon Gidaris sous la direction de Nikos Komodakis - Paris Est

Signal, Image, Automatique

Soutenue le 11-12-2018

Thèse soutenue

Accéder en ligne

Processing high-resolution images through deep learning techniques

par Praveer Singh sous la direction de Nikos Komodakis - Paris Est

Signal, Image, Automatique

Soutenue le 29-11-2018

Thèse soutenue

Accéder en ligne

Convex matrix sparsity for demixing with an application to graphical model structure estimation

par Marina Vinyes sous la direction de Nikos Komodakis - Paris Est

Signal, Image, Automatique

Soutenue le 27-11-2018

Thèse soutenue

Accéder en ligne

Weight parameterizations in deep neural networks

par Sergey Zagoruyko sous la direction de Nikos Komodakis - Paris Est

Signal, Image, Automatique

Soutenue le 07-09-2018

Thèse soutenue

Accéder en ligne

Nikos Komodakis a été rapporteur des 4 thèses suivantes :

Nonconvex Alternating Direction Optimization for Graphs : Inference and Learning

par Dien Khuê Lê-Huu sous la direction de Nikos Paragios - Université Paris-Saclay (ComUE)

Traitement du signal et des images

Soutenue le 04-02-2019

Thèse soutenue

Accéder en ligne

Apprentissage Profond pour des Prédictions Structurées Efficaces appliqué à la Classification Dense en Vision par Ordinateur

par Siddhartha Chandra sous la direction de Iasonas Kokkinos - Université Paris-Saclay (ComUE)

Mathématiques et Informatique

Soutenue le 11-05-2018

Thèse soutenue

Accéder en ligne

Minimisation du risque empirique avec des fonctions de perte nonmodulaires

par Jiaqian Yu sous la direction de Matthew B. Blaschko - Université Paris-Saclay (ComUE)

Traitement du signal et des images

Soutenue le 22-03-2017

Thèse soutenue

Accéder en ligne

On the Links between Probabilistic Graphical Models and Submodular Optimisation

par Senanayak Sesh Kumar Karri sous la direction de Francis Bach - Paris Sciences et Lettres (ComUE)

Informatique

Soutenue le 27-09-2016

Thèse soutenue

Accéder en ligne

Nikos Komodakis a été membre de jury des 2 thèses suivantes :

Quelques applications de l’optimisation numérique aux problèmes d’inférence et d’apprentissage

par Hariprasad Kannan sous la direction de Nikos Paragios - Université Paris-Saclay (ComUE)

Traitement du signal et des images

Soutenue le 28-09-2018

Thèse soutenue

Accéder en ligne

High-Order Inference, Ranking, and Regularization Path for Structured SVM

par Puneet Kumar Dokania sous la direction de Pawan Kumar Mudigonda - Université Paris-Saclay (ComUE)

Mathématiques et informatique

Soutenue le 30-05-2016

Thèse soutenue

Accéder en ligne