‹ Retour à l’annuaire

Jesus Angulo Lopez

Jesus Angulo Lopez

Directeur de recherche

Centre · CMA

Biographie

Jesus Angulo Lopez est un chercheur spécialisé en traitement d’images et en apprentissage profond, avec une expertise marquée en morphologie mathématique et en réseaux de neurones équivariants. Ses travaux se concentrent sur l’intégration des opérateurs morphologiques dans les architectures de deep learning, notamment pour traiter des problèmes liés aux symétries (rotations, translations, changements d’échelle) et à la robustesse des modèles. Il explore également des approches théoriques pour généraliser les opérateurs morphologiques classiques, comme les érosions et dilatations, dans des cadres algébriques avancés (groupes non-abéliens, algèbre (max,+)) et leur approximation différentiable pour une utilisation dans les réseaux de neurones. Ses recherches incluent des applications en imagerie médicale, en détection d’anomalies radar, et en analyse de textures, tout en contribuant à des fondements mathématiques pour des architectures équivariantes et interprétables.

Publication(s)

Enseignements

Analyse d'images : de la théorie à la pratique

Chargé d'enseignement

Le cours comprend une présentation théorique des outils de filtrage et de segmentation d'images le matin et des travaux dirigés l'après-midi. Les images binaires, à niveau de gris et couleur, ainsi que des images à 2, ou à 3 dimensions sont traitées. Des exemples tirés de la grande diversité d'applications réelles illustrent la capacité des outils présentés.

Couleur, arts, industrie

Responsable

Approches perceptive et physique de la lumière et de la couleur Travaux pratiques sur la couleur La restitution de la couleur dans la chaîne de l’image numérique Mathématique du traitement des images numériques couleur Couleur des minéraux et minéraux de la couleur Réalité virtuelle De la photo numérique au cyanotype de 1842 Découverte des minéraux de couleurs au Musée de Minéralogie La couleur dans une problématique industrielle Projet de groupe Des sessions encadrées sont réservées au travail sur le projet de groupe.

ATHENS - MP08 - Physique et mécanique des milieux aléatoires

Intervenant

Motivé par une revue des techniques expérimentales avancées pour la description de la microstructure, et par des résultats typiques impliquant les fluctuations présentes dans les phénomènes de plasticité, d'endommagement, de fracture et d'écoulement dans les milieux poreux, les outils de base de la probabilité appliquée et des processus aléatoires sont rappelés. Les outils probabilistes pour la description des milieux aléatoires et les modèles ainsi que leur simulation sont introduits. La physique et la mécanique des milieux aléatoires sont d'abord présentées sous l'angle des solutions approchées des équations aux dérivées partielles à coefficients aléatoires. Par exemple, les problèmes d'électrostatique linéaire dans les milieux aléatoires sont étudiés au moyen d'une expansion de perturbation des champs électriques et de déplacement aléatoires, tandis que les limites de la permittivité effective et des modules élastiques sont dérivées de principes variationnels. Cette approche d'homogénéisation, qui peut être appliquée à d'autres propriétés physiques comme la composition de la perméabilité, ou de la conductivité thermique, est illustrée par des bornes de troisième ordre. L'utilisation de techniques numériques (comme les éléments finis), pour fournir une estimation des propriétés homogénéisées des milieux aléatoires à partir de simulations de type Monte Carlo, est introduite. Les limites et les techniques numériques sont ensuite étendues aux comportements non linéaires, comme la plasticité des polycristaux. Etant donné l'importance des problèmes de fiabilité dans une multitude d'applications d'ingénierie, plusieurs modèles statistiques de rupture (fragile, ductile, fatigue) sont élaborés à partir d'une approche probabiliste. Strucuture du cours : Une seule semaine. Cours magistraux (80%) and formation pratique sur ordinateur (20%) Plus d'informations sur : http://cmm.ensmp.fr/Enseignement/es-physrandmedia.html

Direction(s) de thèse(s)

  • 2022 Automatisation de la construction de modèles ensemblistes et de l’optimisation de leurs hyperparamètres MAILLET Vassili
  • 2021 Contributions à la détection non supervisée d'anomalies visuelles CASAGRANDE BERTOLDO Joao Paulo
  • 2021 Détection d'anomalies dans les trajectoires satellitaires par de l'intelligence artificielle pour un radar de surveillance de l'espace BAUDIER Stéfan
  • 2020 Contributions à l'Equivariance aux Roto-Translations pour l'Apprentissage Profond en Traitement d'Images PENAUD--POLGE Valentin
  • 2019 Classification mono-classe pour la discrimination de cibles de radars Doppler pulsés à faible résolution avec faible supervision BAUW Martin
  • 2019 Apprentissage Profond Équivariant Basé sur les Espaces d’Échelle et les Repères Mobiles SANGALLI Mateus
  • 2019 Caractérisation des propriétés physico-chimiques de surfaces d’acier par imagerie hyperspectrale. ZENATI Tarek
  • 2016 Apprentissage artificiel pour la segmentation d'image CHANG Kaiwen