Tableau d'honneur de la Faculté des études supérieures et postdoctorales, 2023 / La profondeur de champ est un concept essentiel en photographie, qui permet de contrôler la mise au point et le flou dans les images. Généralement utilisé pour mettre l'accent sur un sujet dans une image, cet effet optique fait que les objets situés à une certaine distance du sujet apparaissent flous. Les photographes peuvent contrôler la profondeur de champ en ajustant des paramètres de caméra, tels que l'ouverture du diaphragme, la distance focale et la distance de mise au point. Or, peu de travaux ont été faits pour estimer la profondeur de champ dans les images, et la plupart des algorithmes en vision numérique ignorent donc complètement ce concept. Les méthodes existantes permettent seulement d'estimer la quantité de flou dans les images de façon locale, en générant des cartes de défocalisation par pixel. Nous proposons d'aller plus loin et d'estimer globalement la profondeur de champ dans une image, en se basant sur une modélisation optique. Notre méthode permet d'obtenir, à partir d'une seule image, les paramètres de caméras modélisant la profondeur de champ. Ces paramètres peuvent être utilisés pour améliorer certaines applications en vision numérique et en infographie, telle que l'insertion d'objets virtuels dans les images. Nous générons d'abord deux nouveaux jeux de données synthétiques et semi-synthétiques d'images réalistes à faible profondeur de champ, *BokehMe* et *SynthWorld*. Nous utilisons ces images pour entraîner des réseaux de neurones profonds à estimer des cartes de profondeur et de défocalisation à partir d'une seule image, et nous démontrons leur performance de pointe. Enfin, nous développons une méthode pour estimer les paramètres de caméra à partir des cartes de profondeur et de défocalisation, à l'aide d'un réseau de neurones de pondération novateur permettant de concentrer l'estimation sur les régions les plus pertinentes de l'image. Nous démontrons que notre méthode peut être utilisée pour améliorer la qualité de l'insertion d'objets virtuels dans les images, et a le potentiel d'être utilisée pour démocratiser plusieurs applications de réalité augmentée et de retouche d'image.

L'estimation de la profondeur consiste à calculer la distance entre différents points de la scène et la caméra. Savoir à quelle distance un objet donné est de la caméra permettrait de comprendre sa représentation spatiale. Les anciennes méthodes ont utilisé des paires d'images stéréo pour extraire la profondeur. Pour avoir une paire d'images stéréo, nous avons besoin d'une paire de caméras calibrées. Cependant, il est plus simple d'avoir une seule image étant donnée qu'aucun calibrage de caméra n'est alors nécessaire. C'est pour cette raison que les méthodes basées sur l'apprentissage sont apparues. Ils estiment la profondeur à partir d'une seule image. Les premières solutions des méthodes basées sur l'apprentissage ont utilisé la vérité terrain de la profondeur durant l'apprentissage. Cette vérité terrain est généralement acquise à partir de capteurs tels que Kinect ou Lidar. L'acquisition de profondeur est coûteuse et difficile, c'est pourquoi des méthodes auto-supervisées se sont apparues naturellement comme une solution. Ces méthodes ont montré de bons résultats pour l'estimation de la profondeur d'une seule image. Dans ce travail, nous proposons d'estimer des cartes de profondeur d'images prises du point de vue des conducteurs de train. Pour ce faire, nous avons proposé d'utiliser les contraintes géométriques et les paramètres standards des rails pour extraire la carte de profondeur à entre les rails, afin de la fournir comme signal de supervision au réseau. Il a été démontré que la carte de profondeur fournie au réseau résout le problème de la profondeur des voies ferrées qui apparaissent généralement comme des objets verticaux devant la caméra. Cela a également amélioré les résultats de l'estimation de la profondeur des séquences des trains. Au cours de ce projet, nous avons d'abord choisi certaines séquences de trains et déterminé leurs distances focales pour calculer la carte de profondeur de la voie ferrée. Nous avons utilisé ce jeu de données et les distances focales calculées pour affiner un modèle existant « Monodepth2 » pré-entrainé précédemment sur le jeu de données Kitti. / Depth prediction is the task of computing the distance of different points in the scene from the camera. Knowing how far away a given object is from the camera would make it possible to understand its spatial representation. Early methods have used stereo pairs of images to extract depth. To have a stereo pair of images, we need a calibrated pair of cameras. However, it is simpler to have a single image as no calibration or synchronization is needed. For this reason, learning-based methods, which estimate depth from monocular images, have been introduced. Early solutions of learning-based problems have used ground truth depth for training, usually acquired from sensors such as Kinect or Lidar. Acquiring depth ground truth is expensive and difficult which is why self-supervised methods, which do not acquire such ground truth for fine-tuning, has appeared and have shown promising results for single image depth estimation. In this work, we propose to estimate depth maps for images taken from the train driver viewpoint. To do so, we propose to use geometry constraints and rails standard parameters to extract the depth map inside the rails, to provide it as a supervisory signal to the network. To this end, we first gathered a train sequences dataset and determined their focal lengths to compute the depth map inside the rails. Then we used this dataset and the computed focal lengths to finetune an existing model "Monodepth2" trained previously on the Kitti dataset. We show that the ground truth depth map provided to the network solves the problem of depth of the rail tracks which otherwise appear as standing objects in front of the camera. It also improves the results of depth estimation of train sequences.

Thèse (M.Sc.)--Université Laval, 2008. / Résumés en français ou en anglais. Bibliogr.: f. 77-78. Publié aussi en version électronique dans la Collection Mémoires et thèses électroniques.

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

Les technologies de mélange de sol en profondeur (« deep mixing ») pour le soutènement des excavations sont de plus en plus utilisées dans le monde. Le mélange de sol en profondeur devient une alternative plus économique aux systèmes traditionnels de soutènement pour les travaux d'excavation, pour la conception des fondations superficielles, l'analyse de la stabilité des talus et de la liquéfaction des sols. Ceci nécessite un développement plus poussé des modèles décrivant le comportement mécanique des sols ainsi améliorés, comme base pour accroitre la sécurité et diminuer les coûts économiques. Cette thèse est basée sur l'étude en laboratoire des caractéristiques de résistance au cisaillement d’un sable siliceux modifié avec du ciment de Portland, seul ou en combinaison avec des liants à réactions lentes (pouzzolaniques) comme des fumées de silice et de la chaux. Les effets de la cimentation sur la résistance, la rigidité et le comportement contractant-dilatant du sable cimenté sont étudiés au cours d’essais de compression simple, de traction, de cisaillement direct et de compression triaxiale drainée pour des éprouvettes maturées jusqu'à 180 jours. Plus précisément, les modes de rupture, les paramètres de résistance au cisaillement pour le sable lâche et dense, le module de cisaillement et les réponses volumétriques, l'état critique des sols cimentés sont décrits. En outre, cette étude vise à développer une formulation « Ready Mix », où le type de liant utilisé et le rapport eau/ciment ou eau/liant jouent un rôle fondamental dans l'évaluation de la résistance visée pour une utilisation en « deep mixing » de sols granulaires de type SM (resp SP) dans la classification LPC (resp USCS). Le comportement contrainte-déformation des sables cimentés est non linéaire avec une alternance contractance-dilatance. Une augmentation de l'angle de résistance au cisaillement et de la cohésion avec l'augmentation de la teneur en ciment a été observée de façon uniforme. Pour le sable sans ciment, la résistance au pic correspond au taux maximum d'expansion volumétrique, alors que pour le sable cimenté elle représente une condition où la sommation de toutes les composantes prend son intensité maximale. Finalement, la corrélation entre la résistance à la compression simple et l'indice lié à la réaction pouzzolaniques de la chaux et de la fumée de silice a été discutée. / The use of deep soil mixing technology for excavation support is growing worldwide. As soil deep mixing becomes a more economical alternative to traditional support systems for excavation, shallow foundation design and analysis of slope stability and liquefaction of soil, the amelioration of models describing the mechanical behavior of improved soil is required, as a basis for cost-effectiveness and a safer design. This work features a laboratory study of shear strength of a loose silica sand modified with Portland cement only or in combination with high curing time binders (due to pozzolanic reactions) such as lime and silica fume. The effects of cementation on the stress–strain behavior, stiffness and strength of treated sand are investigated through unconfined compression tests, tensile strength tests, direct shear tests and drained triaxial compression tests, for curing times up to 180 days. More precisely, failure modes, shear strength parameters for loose and dense sand, volumetric responses and critical state of cemented sand are described. In addition, this study attempts to develop a « ready mix » design procedure, where the type of binder, water/cement or water/ binder ratios play a major part in the assessment of the targeted strength in deep soil mixing applications for loose granular soils (SP in the unified classification). The results show that the stress–strain behavior of cemented sands is nonlinear with contractive–dilative stages. The stress-strain response is strongly influenced by effective confining pressure and cement content. For uncemented sand, the peak strength occurs for a maximum rate of volumetric expansion, whereas for cemented sand it represents a condition where the summation of all components the maximum intensity become. Finally, the correlation of unconfined compression strength with the index of pozzolanic reaction of lime and silica fume is discussed.

La caractérisation du champ magnétique interstellaire de notre Galaxie représente un enjeu majeur de l'astrophysique. Une meilleure connaissance de ses propriétés, en particulier de sa structure, constituerait en effet un atout important pour de nombreux domaines de recherche allant de l'étude des rayons cosmiques à la dynamique de la Galaxie en passant par l'évolution du milieu interstellaire et la formation stellaire. Des observations radio récentes ont permis de mettre en évidence des caractéristiques communes dans la structure magnétique de galaxies proches semblables à la Voie Lactée. Lorsque les galaxies sont vues de face, les lignes de champ magnétique forment un motif en spirale proche de celui observé dans le visible. Lorsque les galaxies sont vues par la tranche, les lignes de champ magnétique sont parallèles au plan galactique dans le disque et ont une forme dite en "X" dans le halo. Il est dès lors naturel de se poser la question de la présence d'une telle structure en X dans le halo de notre propre Galaxie. L'objectif du travail que j'ai effectué lors de mes trois années de thèse a consisté à tenter d'apporter des éléments de réponse à cette question. Les difficultés sont principalement de deux ordres : d'une part, notre position, à l'intérieur de la Voie Lactée ne nous permet pas d'avoir une vision globale de sa structure magnétique à grande échelle ; d'autre part, le champ magnétique est inaccessible à une observation directe, il est donc nécessaire de mettre en oeuvre des techniques indirectes estimant certaines des caractéristiques du champ magnétique à partir de l'effet qu'il peut avoir sur une observable donnée. Pour ma part, j'ai basé mon travail sur l'effet de rotation Faraday. J'ai tout d'abord constitué une carte de référence observationnelle de la profondeur Faraday de notre Galaxie associée au champ magnétique à grande échelle. Pour cela, j'ai dû développer un modèle simple de champ magnétique turbulent afin de pouvoir en soustraire sa contribution à la profondeur Faraday de celle du champ magnétique total. J'ai ensuite construit des cartes théoriques de la profondeur Faraday de notre Galaxie basées sur un ensemble de modèles analytiques du champ magnétique à grande échelle compatibles avec différentes contraintes (théoriques et observationnelles) et dépendant d'un nombre raisonnable de paramètres libres. J'ai finalement ajusté les valeurs de ces paramètres au travers d'une laborieuse phase d'optimisation. Mon manuscrit se décompose en quatre chapitres principaux. Au chapitre 1, je présenterai le contexte de mon travail et j'énoncerai divers résultats généraux utiles à mon étude. Au chapitre 2, je passerai en revue l'ensemble des éléments nécessaires à ma modélisation et j'insisterai particulièrement sur le jeu de modèles analytiques de champ magnétique que j'ai utilisés. Au chapitre 3, je décrirai les procédures de simulation et d'optimisation. Au chapitre 4, je présenterai mes résultats. Dans ce dernier chapitre, je dériverai les valeurs des paramètres des différents modèles de champ conduisant au meilleur accord avec les observations, je tâcherai de préciser le rôle de chaque paramètre et son impact sur la carte théorique, et je discuterai les géométries autorisées dans les différents cas. Je montrerai que l'accord modèle-observation est légèrement meilleur avec un champ du halo bisymétrique qu'avec un champ du halo axiisymétrique et que dans le premier cas, un motif en X apparaît naturellement dans les cartes de polarisation alors que le champ magnétique est horizontal dans le second cas. / Characterization of the interstellar magnetic field of our Galaxy is a major challenge for astrophysics. A better understanding of its properties, particularly its structure, would be valuable in many research areas, from cosmic-ray studies to Galactic dynamics and including interstellar medium evolution and star formation. Recent radio observations uncovered common characteristics in the magnetic structure of nearby galaxies similar to the MilkyWay. In face-on galaxies, magnetic field lines appear to form a spiral pattern similar to that observed in the optical. In edge-on galaxies, magnetic field lines appear to be parallel to the galactic plane in the disc and X-shaped in the halo. One may naturally wonder whether such an X-shape structure is also present in the halo of our own Galaxy. The purpose of the work performed during my three years as a Ph.D. student was to try and provide some answers to this question. There are two major difficulties : on one hand, our location within the Milky Way does not mate it to have a global view of its large-scale magnetic structure; on the other hand, the magnetic field is not directly observable, so it is necessary to implement indirect techniques, based on the effect the magnetic field can have on a given observable, to estimate some characteristics of the magnetic field. My own work is based on Faraday rotation. I first built an observational reference map of the Faraday depth of our Galaxy associated with the large-scale magnetic field. To that end, I had to develop a simple model of the turbulent magnetic field in order to substract its contribution to the Galactic Faraday depth from that of the total magnetic field. I then constructed theoretical maps of Galactic Faraday depth based on a set of analytical models of the large-scale magnetic field that are consistent with various (theoretical and observational) constraints and depend on a reasonable number of free parameters. Finally I fitted the values of these parameters through a challenging optimization phase. My manuscript is divided into four main chapters. In Chapter 1, I present the context of my work as well as various general results useful for my study. In Chapter 2 I review all the elements required for my modeling, with emphasis on the set of analytical models used. In Chapter 3, I describe my simulation and optimization procedures. In Chapter 4 I present my results. In this final chapter, I derive the parameter values of the different field models that lead to the best fit to the observations, I try to identify the role of each parameter and its impact on the theoretical map, and I discuss the different geometries allowed in the various cases. Finally, I show that the fit to the observational map is slightly better with a bisymmetric halo field than with an axisymmetric halo field, and that an X-shape pattern in polarization maps naturally arises in the first case whereas the field appears to remain mainly horizontal in the second case.

Cette thèse s’intéresse à définir de nouvelles méthodes cliniques d’investigation permettant de juger de l’impact de l’avance en âge sur la motricité. En particulier, cette thèse se focalise sur deux principales perturbations possibles lors de l’avance en âge : la chute et l’altération de la marche.Ces deux perturbations motrices restent encore mal connues et leur analyse en clinique pose de véritables défis technologiques et scientifiques. Dans cette thèse, nous proposons des méthodes originales de détection qui peuvent être utilisées dans la vie courante ou en clinique, avec un minimum de contraintes techniques.Dans une première partie, nous abordons le problème de la détection de la chute à domicile, qui a été largement traité dans les années précédentes. En particulier, nous proposons une approche permettant d’exploiter le volume du sujet, reconstruit à partir de plusieurs caméras calibrées. Ces méthodes sont généralement très sensibles aux occultationsqui interviennent inévitablement dans le domicile et nous proposons donc une approche originale beaucoup plus robuste à ces occultations. L’efficacité et le fonctionnement en temps réel ont été validés sur plus d’une vingtaine de vidéos de chutes et de leurres, avec des résultats approchant les 100% de sensibilité et de spécificité en utilisant 4 caméras ou plus.Dans une deuxième partie, nous allons un peu plus loin dans l’exploitation des volumes reconstruits d’une personne, lors d’une tâche motrice particulière : la marche sur tapis roulant, dans un cadre de diagnostic clinique. Dans cette partie, nous analysons plus particulièrement la qualité de la marche. Pour cela nous développons le concept d’utilisation de caméras de profondeur pour la quantification de l’asymétrie spatiale au cours du mouvement des membres inférieurs pendant la marche. Après avoir détecté chaque pas dans le temps, cette méthode réalise une comparaison de surfaces de chaque jambe avec sa correspondante symétrique du pas opposé. La validation effectuée sur une cohorte de 20 sujets montre la viabilité de la démarche / This thesis is concerned with defining new clinical investigation method to assess the impact of ageing on motricity. In particular, this thesis focuses on two main possible disturbance during ageing : the fall and walk impairment. This two motricity disturbances still remain unclear and their clinical analysis presents real scientist and technological challenges. In this thesis, we propose novel measuring methods usable in everyday life or in the walking clinic, with a minimum of technical constraints.In the first part, we address the problem of fall detection at home, which was widely discussed in previous years. In particular, we propose an approach to exploit the subject’s volume, reconstructed from multiple calibrated cameras. These methods are generally very sensitive to occlusions that inevitably occur in the home and we therefore propose an original approach much more robust to these occultations. The efficiency and realtime operation has been validated on more than two dozen videos of falls and lures, with results approaching 100 % sensitivity and specificity with at least four or more cameras.In the second part, we go a little further in the exploitation of reconstructed volumes of a person at a particular motor task : the treadmill, in a clinical diagnostic. In this section we analyze more specifically the quality of walking. For this we develop the concept of using depth camera for the quantification of the spatial and temporal asymmetry of lower limb movement during walking. After detecting each step in time, this method makes a comparison of surfaces of each leg with its corresponding symmetric leg in the opposite step. The validation performed on a cohort of 20 subjects showed the viability of the approach.

Québec Université Laval, Bibliothèque 2014

Le but de la présente recherche est d’étudier l’influence de la séparation spatiale entre des marqueurs auditifs statiques sur la discrimination de la durée. Dans ce contexte, une surestimation de cette dernière en fonction de l’augmentation de la distance entre les marqueurs des intervalles temporels est fréquemment observée. Il s’agit de l’effet kappa. Bien que démontré en modalité tactile et visuelle, aucune étude ne le met clairement en évidence avec une méthode expérimentale équivalente pour l’audition. Afin de préciser son implication et de tenter d’établir les limites temporelles et spatiales de sa manifestation pour cette modalité, dix participants doivent comparer deux intervalles temporels vides délimités par trois stimuli auditifs statiques séparés par une distance variant, en ratios, de 1:1:1 à 1:1:2 (1 = 0,90 m et 2 = 1,80 m). Ce type de tâche correspond à la méthode des stimuli constants. Les standards utilisés sont de 160 ms et de 320 ms. Généralement, les résultats obtenus indiquent qu'il n'y a pas d'effet kappa avec les paramètres utilisés. Au contraire, une tendance à percevoir les intervalles temporels comme étant plus courts lorsqu’ils sont délimités par des marqueurs séparés par une plus grande distance est observée.

La vision par ordinateur est une branche de l'intelligence artificielle dont le but est de permettre à une machine d'analyser, de traiter et de comprendre le contenu d'images numériques. La compréhension de scène en particulier est un enjeu majeur en vision par ordinateur. Elle passe par une caractérisation à la fois sémantique et structurelle de l'image, permettant d'une part d'en décrire le contenu et, d'autre part, d'en comprendre la géométrie. Cependant tandis que l'espace réel est de nature tridimensionnelle, l'image qui le représente, elle, est bidimensionnelle. Une partie de l'information 3D est donc perdue lors du processus de formation de l'image et il est d'autant plus complexe de décrire la géométrie d'une scène à partir d'images 2D de celle-ci.Il existe plusieurs manières de retrouver l'information de profondeur perdue lors de la formation de l'image. Dans cette thèse nous nous intéressons à l’estimation d'une carte de profondeur étant donné une seule image de la scène. Dans ce cas, l'information de profondeur correspond, pour chaque pixel, à la distance entre la caméra et l'objet représenté en ce pixel. L'estimation automatique d'une carte de distances de la scène à partir d'une image est en effet une brique algorithmique critique dans de très nombreux domaines, en particulier celui des véhicules autonomes (détection d’obstacles, aide à la navigation).Bien que le problème de l'estimation de profondeur à partir d'une seule image soit un problème difficile et intrinsèquement mal posé, nous savons que l'Homme peut apprécier les distances avec un seul œil. Cette capacité n'est pas innée mais acquise et elle est possible en grande partie grâce à l'identification d'indices reflétant la connaissance a priori des objets qui nous entourent. Par ailleurs, nous savons que des algorithmes d'apprentissage peuvent extraire ces indices directement depuis des images. Nous nous intéressons en particulier aux méthodes d’apprentissage statistique basées sur des réseaux de neurones profond qui ont récemment permis des percées majeures dans de nombreux domaines et nous étudions le cas de l'estimation de profondeur monoculaire. / Computer vision is a branch of artificial intelligence whose purpose is to enable a machine to analyze, process and understand the content of digital images. Scene understanding in particular is a major issue in computer vision. It goes through a semantic and structural characterization of the image, on one hand to describe its content and, on the other hand, to understand its geometry. However, while the real space is three-dimensional, the image representing it is two-dimensional. Part of the 3D information is thus lost during the process of image formation and it is therefore non trivial to describe the geometry of a scene from 2D images of it.There are several ways to retrieve the depth information lost in the image. In this thesis we are interested in estimating a depth map given a single image of the scene. In this case, the depth information corresponds, for each pixel, to the distance between the camera and the object represented in this pixel. The automatic estimation of a distance map of the scene from an image is indeed a critical algorithmic brick in a very large number of domains, in particular that of autonomous vehicles (obstacle detection, navigation aids).Although the problem of estimating depth from a single image is a difficult and inherently ill-posed problem, we know that humans can appreciate distances with one eye. This capacity is not innate but acquired and made possible mostly thanks to the identification of indices reflecting the prior knowledge of the surrounding objects. Moreover, we know that learning algorithms can extract these clues directly from images. We are particularly interested in statistical learning methods based on deep neural networks that have recently led to major breakthroughs in many fields and we are studying the case of the monocular depth estimation.