BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//wp-events-plugin.com//7.4.1//EN
TZID:Europe/Paris
X-WR-TIMEZONE:Europe/Paris
BEGIN:VEVENT
UID:0-227@lisn.upsaclay.fr
DTSTART;TZID=Europe/Paris:20250203T130000
DTEND;TZID=Europe/Paris:20250203T170000
DTSTAMP:20250130T154650Z
URL:https://www.lisn.upsaclay.fr/evenements/detection-devenements-anormaux
 -dans-les-videos/
SUMMARY:Détection d'événements anormaux dans les vidéos
DESCRIPTION:Resumé\nLa détection d'événements anormaux dans les vidéos
  constitue une tâche complexe en raison de la grande variété des anomal
 ies possibles\, du nombre limité de données d'anomalies étiquetées dis
 ponibles pour l'entraînement des modèles\, ainsi que de la nature contex
 tuelle de la normalité. De surcroît\, les données normales et anormales
  peuvent présenter une forte variabilité intra-classe\, rendant leur dis
 tinction souvent difficile. Un défi supplémentaire réside dans le manqu
 e d’explicabilité des méthodes de détection d'anomalies basées sur l
 ’apprentissage profond qui\, bien que performantes\, demeurent souvent o
 paques. Ces facteurs font de la détection d'anomalies dans les vidéos un
  problème de recherche ouvert. Pour traiter le déséquilibre entre l'abo
 ndance de données normales et la rareté de données anormales\, la déte
 ction des anomalies dans les vidéos est souvent abordée à l'aide du par
 adigme d'apprentissage « One-Class ». Dans cette approche\, les modèles
  apprennent une distribution des données normales et identifient les anom
 alies comme des outliers par rapport à cette distribution apprise. Dans c
 ette thèse\, nous introduisons des approches pour mieux représenter la d
 iversité des données normales. De plus\, nous proposons une approche qui
  permet à la fois de détecter les anomalies et d’en fournir des explic
 ations. Enfin\, nous présentons de nouvelles métriques permettant d’é
 valuer la performance explicative des modèles de détection d'anomalies.\
 nJury\nAnthony Fleury\, Professeur IMT Nord Europe\, rapporteur\nSylvie Ch
 ambon\, Professeure INP-ENSEEIHT\, rapporteur\nJean-Michel Morel\, Profess
 eur\, ENS Paris-Saclay\, Centre Borelli\, examinateur\nLaure Tougne Rodet\
 , Professeure\, Université Lumière Lyon 2\, examinatrice
CATEGORIES:IaH,Thèses et HDR
LOCATION:France
X-APPLE-STRUCTURED-LOCATION;VALUE=URI;X-ADDRESS=France;X-APPLE-RADIUS=100;X
 -TITLE=:geo:0,0
END:VEVENT
BEGIN:VTIMEZONE
TZID:Europe/Paris
X-LIC-LOCATION:Europe/Paris
BEGIN:STANDARD
DTSTART:20241027T020000
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
END:STANDARD
END:VTIMEZONE
END:VCALENDAR