Les actes de l'atelier APTA@EGC 2020 sont disponibles à l'url suivante : https://apta2020.sciencesconf.org/data/APTA_EGC2020_actes.pdf

Les inscriptions à APTA 2020 se font sur le site de la conférence EGC : https://egc2020.sciencesconf.org/

Session 1 (9h - 10h30) - Apprentissage profond pour l'imagerie (bio-)médicale

• GAN based data augmentation for histopathological image segmentation
  Florian Allender
• Segmentation of axillary lymph nodes in PET/CT scan
  Diana Farfan Cabrera, Nicolas Passat, Nicolas Gogin, Dimitri Papathanassiou, David Morland
• Réseaux antagonistes génératifs pour la reconstruction super-résolution et la segmentation en IRM
  Quentin Delannoy, Chi-Hieu Pham, Nicolas Passat, François Rousseau, Clément Cazorla, Nathalie Bednarek, Carlos Tor-Díez, Guillaume DOLLÉ, Hélène Meunier, Ronan Fablet

Pause café (10h30 - 11h) 

Session 2 (11h - 12h30) - Apprentissage profond pour les séquences 2D+t

• Classification de séries d'images via une représentation spatio-temporelle
  Mohamed CHELALI, Camille Kurtz, Nicole Vincent, Anne Puissant
• Clustering contraint par apprentissage profond appliqué aux séries temporelles d'images satellites
  Baptiste Lafabregue, Jonathan Weber, Pierre Gançarski, Germain Forestier
• Apprentissage par transfert pour la classification de séquences vidéo de mouvements de foule
  Mounir Bendali-Braham, Jonathan Weber, Germain Forestier, Lhassane Idoumghar, Pierre-Alain Muller

Déjeuner (12h30 - 14h) 

Ce nouvel atelier a pour ambition de devenir un moment privilégié de rencontre où chercheurs/industriels viennent partager leurs expériences et expertises dans le domaine de l’apprentissage profond. L'atelier est ouvert en termes de propositions. Nous souhaitons stimuler particulièrement des discussions aussi bien du point de vue expérimental que théorique, académique ou industriel. Les présentations pourront concerner des résultats de travaux aboutis ou en cours, des réflexions ou retours d’expérience, ou des études préliminaires (exposant davantage des problématiques originales que des solutions) autour de l’apprentissage profond. Enfin, les discussions sur les problématiques inter- ou pluridisciplinaires sont également bienvenues.

By Aphex34 - Own work, CC BY-SA 4.0, Link

L’apprentissage profond révolutionne depuis quelques années l’apprentissage machine. Si les premiers résultats marquants ont été obtenus principalement en analyse d’images, les travaux actuels en apprentissage profond (deep learning) s’intéressent à présent à tous les types de données et presque tous les types de traitement (classification de séries temporelles, augmentations de données, analyse de texte, etc.). Son impact dans le domaine de la science des données et l’extraction de connaissances est considérable.

Nous souhaitons proposer dans le cadre de la conférence EGC un espace d’échanges autour de ce domaine, permettant d’aborder les défis théoriques et les possibilités applicatives offertes à notre discipline de l’extraction et de la gestion des connaissances. Dans le cadre de cet atelier, nous souhaitons nous focaliser sur les applications de l’apprentissage profond dans différents domaines (analyse ou génération d’images, classification de données temporelles, extraction d’informations à partir de données hétérogènes, etc.) mais également permettre la présentation de travaux plus théoriques (nouvelles architectures, nouvelles fonctions de coût, interprétabilité des modèles, etc).

L’objectif de cet atelier est d’offrir un espace d’échange entre d’une part, des experts de l’apprentissage profond, développant de nouveaux modèles et éventuellement à la recherche de domaines d’application pour les valider, et d’autre part, des utilisateurs avec moins d’expérience et souhaitant appliquer les méthodes d’apprentissage profond à leurs données. Cet espace permettra également aux potentiels nouveaux utilisateurs, curieux de ces approches d’en comprendre les avantages et les limites.

 Nous sollicitons des soumissions portant sur les thèmes suivants (liste non limitative) : 

   • Applications de l’apprentissage profond :
        ◦ extraction d’informations à partir d’images, de vidéos, de sons
        ◦ analyse de séquences temporelles
        ◦ text-mining
        ◦ analyse du langage naturel, de la parole
        ◦ données géographiques
        ◦ données financières
        ◦ données médicales, biologiques, bio-informatique
        ◦ recommandation et publicité ciblée
        ◦ jeu et résolution de problèmes
    • Nouvelles approches pour l’apprentissage profond :
        ◦ réseaux récurrents
        ◦ réseaux siamois
        ◦ apprentissage par renforcement
        ◦ réseaux antagonistes génératifs
        ◦ convolutions et graphes
        ◦ deep learning collaboratif

    • Soumission des papiers : 02/12/2019 13/12/2019
    • Notification aux auteurs : 21/12/2019
    • Réception des versions finales : 10/01/2020
    • Mise en ligne du programme : 11/01/2020
    • Date de l’atelier : 28/01/2020

L'atelier sera constitué d'une série d'exposés, présentations orales suivies d'un temps de questions et de discussions. Les articles soumis feront l'objet de rapports de lecture par au moins deux relecteurs afin d'améliorer leur qualité et conseiller les auteurs. Nous encourageons les présentations de jeunes chercheurs. Ceci peut permettre à un doctorant de présenter son projet de recherche. Cette partie de l’atelier est particulièrement importante pour les travaux qui débutent et pour la mise en place de groupes de recherche sur des thèmes partagés.

Les auteurs sont invités à soumettre électroniquement leur proposition en utilisant la plateforme de l’atelier. La taille des soumissions sera de 10 pages au maximum. Elle pourra être beaucoup plus courte, en particulier pour les articles présentant un travail qui débute ou la présentation de projet de recherche. Le format LaTex à utiliser est celui de la revue « Revue des Nouvelles Technologie de l'Information » (RNTI) disponible à l'adresse suivante : http://www.editions-rnti.fr/files/RNTI-X-Y2.1.zip

La langue officielle de l'atelier sera le français, mais des articles en anglais pourront être acceptés.

• Jonathan Weber, MCF, Université de Haute-Alsace, IRIMAS
• Camille Kurtz, MCF, Université Paris Descartes, LIPADE
• Cédric Wemmert, PU, Université de Strasbourg, ICUBE
• Germain Forestier, PU, Université de Haute-Alsace, IRIMAS