Apprentissage sur données spatio-temporelles par représentation à base de graphe.
Auteur / Autrice : | Yann Tirard-gatel |
Direction : | Nicolas Ragot |
Type : | Projet de thèse |
Discipline(s) : | Informatique |
Date : | Inscription en doctorat le 02/01/2023 |
Etablissement(s) : | Tours |
Ecole(s) doctorale(s) : | Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes - MIPTIS |
Partenaire(s) de recherche : | Laboratoire : Laboratoire d'Informatique Fondamentale et Appliquée de Tours |
Mots clés
Mots clés libres
Résumé
Étude de nouvelles représentations pour les graphes spatio-temporels : nous voulons approfondir différentes nouvelles représentations dans deux directions principales : La première consistant à la modélisation de données temporelles comme attribut des nuds et arrêtes du graphe. La deuxième consistant à représenter les données temporelles comme les arrêtes entres des positions de l'espace représentées par les nuds à différents moments. La thèse conduira à proposer de nouvelles architectures de réseaux de neurones pour des données décrite par ce type de graphe : nous chercherons à spécifier les étapes de convolution, dissémination et aggrégations pour les graphes et étudier des réseaux de neurone recurrent opérant directement sur l'espace des graphes. Un axe de recherche sera aussi les Spatial- Temporal Graph Attention Networks et Graph Transformer Networks. Le projet impliquera l'implémentation de ces modèles en python et leur comparaison avec l'état de l'art sur des jeux de données standards pour différentes applications en particulier pour la reconnaissance des mouvements du squelette humain.