Th. doct.--Signal et images--Paris--ENST, 1991. / Bibliogr. p. 142-156.

Th. doct.--Électronique et communications--Paris--ENST, 1993. / Bibliogr. p. 173-179.

Th.--Signal et images--Paris--ENST, 1993. / Bibliogr. p. 265-272.

Thèse (M.Sc.)--Université Laval, 2008. / Bibliogr.: f. 76-78. Publié aussi en version électronique dans la Collection Mémoires et thèses électroniques.

Thèse (Ph. D.) -- Université Laval, 1997. / Bibliogr.: p. 194-208. Publié aussi en version électronique.

Ce travail porte sur l’étude de la rupture et de l’endommagement d’un assemblage boulonné constitué de tôles minces en alliage d’aluminium 6082 T6, d’épaisseur e=2 mm, en simple recouvrement. Plusieurs configurations d’assemblages (nombre et disposition des fixations) sont étudiées dans le cas de sollicitations monotones, en analysant les effets de bord. L’influence du couple de serrage et du jeu fonctionnel sera pris en compte pour l’étude du comportement global de la liaison. Une approche expérimentale a été mise en oeuvre pour analyser la chronologie des mécanismes d’endommagement en utilisant simultanément la technique d’émission acoustique (EA) et la mesure des champs par corrélation d’images digitales (CID). La technique EA a permis de suivre les évolutions des activités acoustiques avec une technique de localisation planaire en permettant de mieux cerner l’amorçage et la propagation des fissures. La technique CID confirme les scénarios d’endommagement en évaluant le champ des déformations en tout point au voisinage de la fixation. La simulation numérique par éléments finis a été utilisée afin de prédire le comportement global de ces assemblages. Les calculs sont réalisés en 3D en utilisant des éléments solides et des éléments coques et sont entrepris aussi bien en élastoplasticité sans endommagement qu’avec endommagement. La prédiction de l’endommagement a été correctement réalisée en utilisant deux modélisations : une modélisation découplée selon le modèle de Latham et Cockroft et une modélisation couplée basée sur le modèle de Gurson modifié. / This study focuses on the study of fracture and damage of a bolted assembly made up of thin sheets of aluminum alloy 6082 T6, thickness e= 2 millimeters, in single recovery. Several configurations of assemblies (number and arrangement of fasteners) are studied in monotonous solicitations, analyzing the effects of board. The influence of torque and clearance will be considered for the study of the behavior of the link. An experimental approach was implemented to analyze the sequence of damage mechanisms simultaneously using the technique of acoustic emission (AE) and measurement of fields by digital image correlation (DIC). EA Technology has tracked the evolution of acoustic activities by planar localization to better identify the initiation and propagation of cracks. The DIC technique confirms the damage scenarios evaluating, the deformation field at any point near the fastener. The finite element technique was used to predict the overall behavior of these assemblies. The calculations are performed in a 3D computer code using solid elements, shell elements and and are undertaken both in élastoplasticité without and with damage. The prediction of damage has been done using two models : modeling decoupled depending on the model of Latham and Cockroft and coupled modeling based on the model of Gurson modified.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Une façade étant la face représentative de tout bâtiment, nous pouvons en estimer les caractéristiques immobilières d'un simple coup d'œil : structure, composantes ou état, sont autant d'indices permettant d'estimer les propriétés de l'ensemble de l'édifice sans même y entrer. Modéliser cette capacité d'évaluation offrirait de multiples applications : valorisation automatique d'un bien, suggestion d'offre d'assurance adaptée ou comme outil d'étude du marché immobilier d'une ville. Les méthodes d'apprentissage profond ont tellement évoluées afin de copier la perception humaine et nous ont même dépassés en classification ou reconnaissance d'objets, en imitation de style artistique et aussi sur certains jeux vidéos ou de plateau. Néanmoins, ces performances sont souvent acquises au détriment de l'intelligibilité : considérées comme des boîtes noires, la manière dont est obtenue la prédiction n'est ni explicite ni facilement compréhensible. Récemment, de nombreux progrès en explicabilité des réseaux de neurones cherchent à résoudre ce problème. Aussi, peut-on employer les réseaux de neurones dans la création d'un expert compréhensible du marché immobilier d'une ville, depuis ses façades uniquement ? Nous proposons d'utiliser des données libres de rôles d'évaluation et des photographies de façades obtenues par Google Street View afin de constituer un jeu de données. On peut alors entraîner un réseau à convolutions pour caractériser fidèlement une propriété à partir de sa façade. Différentes architectures sont explorées pour prédire, par exemple, l'année de construction à 4 ans près ou sa valeur avec moins de 27 kCAD d'erreur en moyenne. Ensuite, la représentation latente obtenue est mise à profit afin d'expliquer les phénomènes sous-jacents à la valorisation immobilière : la méthode proposée révèle clairement différentes classes de propriétés et leur associe des attributs quantitatifs, géographiques et visuels. / A facade being the representative face of any building, we can gauge its real estate features by just looking at it. We naturally deduce from its structure, components, size or condition, diverse properties of the whole edifice without going inside it. Being able to model this skill could lead to multiple housing-related applications: automated property valuation, custom insurance contract suggestion, or as a market studying tool. Deep learning methods have evolved to mimic human perception and they now out perform us on object classification/recognition, artistic style imitation, and even on some video or board games. However, these performances are often at the expense of understandability: depicted as black boxes, their predictions are obtained in an inexplicit or inexplicable way. Recently, great progress in explainable AI is trying to solve this issue. From here, can we use neural networks to craft an understandable expert of a city housing market solely from building facades ? We propose to use open source assessment data and facade photographs obtained via Google Street View to constitute a dataset. We then train a convolutional neural network at characterizing a property given its facade. Different network architectures are explored to, for instance, predict its construction year within 4 years and its property value with less than 27 kCAD average error. Then, we leverage the learned representation to better understand the phenomena at use in housing assessment: our proposed method reveals different groups within a particular city real estate and their corresponding quantitative, geographic, and visual properties.

Pour l'évaluation de la fonction rénale, l'Imagerie par Résonance Magnétique (IRM) dynamique à rehaussement de contraste est une alternative intéressante à la scintigraphie. Les résultats obtenus doivent cependant être évalués à grande échelle avant son utilisation en pratique clinique. L'exploitation des séquences acquises demande un recalage de la série d'images et la segmentation des structures internes du rein. Notre objectif est de fournir un outil fiable et simple à utiliser pour automatiser en partie ces deux opérations. Des méthodes statistiques de recalage utilisant l'information mutuelle sont testées sur des données réelles. La segmentation du cortex, de la médullaire et des cavités est réalisée en classant les voxels rénaux selon leurs courbes temps-intensité. Une stratégie de classification en deux étapes est proposée. Des classificateurs sont d'abord construits grâce à la coupe rénale principale en utilisant deux algorithmes de quantification vectorielle (K-moyennes et Growing Neural Gas). Ils sont validés sur données simulées, puis réelles, en évaluant des critères de similarité entre une segmentation manuelle de référence et des segmentations fonctionnelles ou une seconde segmentation manuelle. Les voxels des autres coupes sont ensuite triés avec le classificateur optimum pour la coupe principale. La théorie de la généralisation permet de borner l'erreur de classification faite lors de cette extension. La méthode proposée procure les avantages suivants par rapport à une segmentation manuelle : gain de temps important, intervention de l'opérateur limitée et aisée, bonne robustesse due à l'utilisation de toute la séquence et bonne reproductibilité.

La croissance rapide d'Internet et de l'information multimédia a suscité un besoin en développement de techniques de recherche d'information multimédia, et en particulier de recherche d'images. On peut distinguer deux tendances. La première, appelée recherche d'images à base de texte, consiste à appliquer des techniques de recherche d'information textuelle à partir d'images annotées. Le texte constitue une caractéristique de haut-niveau, mais cette technique présente plusieurs inconvénients : elle nécessite un travail d'annotation fastidieux. De plus, les annotations peuvent être ambiguës car deux utilisateurs peuvent utiliser deux mots-clés différents pour décrire la même image. Par conséquent, plusieurs approches ont proposé d'utiliser l'ontologie Wordnet, afin de réduire ces ambiguïtés potentielles. La seconde approche, appelée recherche d'images par le contenu, est plus récente. Ces techniques de recherche d'images par le contenu sont basées sur des caractéristiques visuelles (couleur, texture ou forme), calculées automatiquement, et utilisent une mesure de similarité afin de retrouver des images. Cependant, les performances obtenues ne sont pas vraiment acceptables, excepté dans le cas de corpus spécialisés. De façon à améliorer la reconnaissance, une solution consiste à combiner différentes sources d'information : par exemple, différentes caractéristiques visuelles et/ou de l'information sémantique. Or, dans de nombreux problèmes de vision, on dispose rarement d'échantillons d'apprentissage entièrement annotés. Par contre, il est plus facile d'obtenir seulement un sous-ensemble de données annotées, car l'annotation d'un sous-ensemble est moins contraignante pour l'utilisateur. Dans cette direction, cette thèse traite des problèmes de modélisation, classification et annotation d'images. Nous présentons une méthode pour l'optimisation de la classification d'images naturelles, en utilisant une approche de classification d'images basée à la fois sur le contenu des images et le texte associé aux images, et en annotant automatiquement les images non annotées. De plus, nous proposons une méthode de reconnaissance de symboles, en combinant différentes caractéristiques visuelles. L'approche proposée est dérivée de la théorie des modèles graphiques probabilistes et dédiée aux deux tâches de classification d'images naturelles partiellement annotées, et d'annotation. Nous considérons une image comme partiellement annotée si son nombre de mots-clés est inférieur au maximum de mots-clés observés dans la vérité-terrain. Grâce à leur capacité à gérer les données manquantes et à représenter d'éventuelles relations entre mots-clés, les modèles graphiques probabilistes ont été proposés pour représenter des images partiellement annotées. Par conséquent, le modèle que nous proposons ne requiert pas que toutes les images soient annotées : quand une image est partiellement annotée, les mots-clés manquants sont considérés comme des données manquantes. De plus, notre modèle peut étendre automatiquement des annotations existantes à d'autres images partiellement annotées, sans intervention de l'utilisateur. L'incertitude autour de l'association entre un ensemble de mots-clés et une image est représentée par une distribution de probabilité jointe sur le vocabulaire des mots-clés et les caractéristiques visuelles extraites de nos bases d'images. Notre modèle est aussi utilisé pour reconnaître des symboles en combinant différents types de caractéristiques visuelles (caractéristiques discrètes et continues). De plus, de façon à résoudre le problème de dimensionnalité dû à la grande dimension des caractéristiques visuelles, nous avons adapté une méthode de sélection de variables. Enfin, nous avons proposé un modèle de recherche d'images permettant à l'utilisateur de formuler des requêtes sous forme de mots-clés et/ou d'images. Ce modèle intègre un processus de retour de pertinence. Les résultats expérimentaux, obtenus sur de grandes bases d'images complexes, généralistes ou spécialisées, montrent l'intérêt de notre approche. Enfin, notre méthode s'est montrée compétitive avec des modèles de l'état de l'art.