Santiago Velasco-Forero

Chargé de recherche

Centre · STIM

Mots-clés

Prix & distinctions

2016 Prix de “Outstanding reviewer: pour Pattern Recognition. 1 février 2016

Équipe

STIM

Biographie

Santiago Velasco-Forero est un chercheur dont les travaux se situent à l’intersection de la morphologie mathématique, de l’apprentissage profond et du traitement des données spatiales et multidimensionnelles. Ses recherches portent principalement sur l’intégration des opérateurs morphologiques dans les architectures neuronales, visant à combiner la robustesse des méthodes non linéaires avec les capacités d’apprentissage des réseaux de neurones. Il explore notamment des approches théoriques pour généraliser les opérateurs morphologiques à des cadres équivariants, comme les transformations de groupes, tout en développant des applications concrètes en imagerie médicale, en analyse de nuages de points 3D ou en traitement de signaux radar. Son expertise inclut également la conception de modèles interprétables, exploitant des concepts comme les reconstructions géodésiques ou les invariants différentiels, pour des tâches telles que la segmentation, la classification ou la détection d’anomalies. Ses contributions récentes abordent des défis méthodologiques, comme l’optimisation des réseaux morphologiques ou l’évaluation de données génératives, tout en proposant des solutions adaptées à des contextes industriels ou scientifiques spécifiques.

Publication(s)

2026
Learning Morphological Representations of Image Transformations: Influence of Initialization and Layer Differentiability DOI : 10.1007/978-3-032-09544-2_27
2026
Approximating Condorcet Ordering for Vector-Valued Mathematical Morphology DOI : 10.1007/978-3-032-09544-2_32
2025
Cell Counting with Trainable h-Maxima and Connected Component Layers DOI : 10.1007/s10851-025-01243-z
2025
Deep learning approach for airborne alpha radioactivity monitoring in atypical atmospheric conditions DOI : 10.1016/j.jaerosci.2025.106573
2025
Group Equivariant Morphological Networks DOI : 10.1137/24M1685766
2025
MorphoSkel3D: Morphological Skeletonization of 3D Point Clouds for Informed Sampling in Object Classification and Retrieval DOI : 10.1109/3DV66043.2025.00128
2025
MFN Decomposition and Related Metrics for High-Resolution Range Profiles Generative Models DOI : 10.1109/RadarConf2559087.2025.11204884
2024
A POSTERIORI DEEP LEARNING SEGMENTATION QUALITY ESTIMATION BASED ON PREDICTION ENTROPY DOI : 10.5566/ias.3024
2024
Choquet Capacity Networks for Random Point Process Classification and Regression DOI : 10.1007/978-3-031-58665-1_18
2024
Spatial Reasoning Loss for Weakly Supervised Segmentation of Skin Histological Images DOI : 10.1109/ISBI56570.2024.10635595
2024
Automatic yarn path extraction of large 3D interlock woven fabrics with confidence estimation DOI : 10.1016/j.compositesa.2024.108396
2024
Deep Matrix Profile for Maneuver Classification in Low Earth Orbit Satellite Trajectories DOI : 10.23919/eusipco63174.2024.10715206
2024
Counting Melanocytes with Trainable h-Maxima and Connected Component Layers DOI : 10.1007/978-3-031-57793-2_32
2024
Group Equivariant Networks Using Morphological Operators DOI : 10.1007/978-3-031-57793-2_13
2023
Real-time Classification of Aircrafts Manoeuvers DOI : 10.1007/s11265-022-01823-x
2023
Rotation-invariant Hierarchical Segmentation on Poincaré Ball for 3D Point Cloud DOI : 10.1109/ICCVW60793.2023.00192
2023
Near Out-of-Distribution Detection for Low-Resolution Radar Micro-doppler Signatures DOI : 10.1007/978-3-031-26412-2_24
2023
Moving Frame Net: SE(3)-Equivariant Network for Volumes
2023
Can Generalised Divergences Help for Invariant Neural Networks? DOI : 10.1007/978-3-031-38271-0_9
2023
GenHarris-ResNet: A Rotation Invariant Neural Network Based on Elementary Symmetric Polynomials DOI : 10.1007/978-3-031-31975-4_12
2022
FULLY TRAINABLE GAUSSIAN DERIVATIVE CONVOLUTIONAL LAYER DOI : 10.1109/ICIP46576.2022.9897734
2022
Scale-Equivariant U-Net
2022
Irregularity Index for Vector-Valued Morphological Operators DOI : 10.1007/s10851-022-01092-0
2022
Instance segmentation of 3D woven fabric from tomography images by Deep Learning and morphological pseudo-labeling DOI : 10.1016/j.compositesb.2022.110333
2022
APPLYING DEEP LEARNING TO MELANOCYTE COUNTING ON FLUORESCENT TRP1 LABELLED IMAGES OF IN VITRO SKIN MODEL DOI : 10.5566/ias.2640
2022
DARTBOARD BASED GROUND DETECTION ON 3D POINT CLOUD DOI : 10.5194/isprs-archives-XLIII-B2-2022-185-2022
2022
Fixed Point Layers for Geodesic Morphological Operations
2022
Learnable Empirical Mode Decomposition based on Mathematical Morphology DOI : 10.1137/21M1417867
2022
Morphological Adjunctions Represented by Matrices in Max-Plus Algebra for Signal and Image Processing DOI : 10.1007/978-3-031-19897-7_17
2022
DIFFERENTIAL INVARIANTS FOR SE(2)-EQUIVARIANT NETWORKS DOI : 10.1109/ICIP46576.2022.9897301
2022
Adaptive Anisotropic Morphological Filtering Based on Co-Circularity of Local Orientations DOI : 10.5201/ipol.2022.397
2022
MorphoActivation: Generalizing ReLU Activation Function by Mathematical Morphology DOI : 10.1007/978-3-031-19897-7_35
2021
Paris-carla-3d: A real and synthetic outdoor point cloud dataset for challenging tasks in 3d mapping DOI : 10.3390/rs13224713
2021
Measuring the Irregularity of Vector-Valued Morphological Operators Using Wasserstein Metric DOI : 10.1007/978-3-030-76657-3_37
2021
Nnakf: A Neural Network Adapted Kalman Filter for Target Tracking DOI : 10.1109/ICASSP39728.2021.9414681
2021
On power jaccard losses for semantic segmentation
2021
End-to-End Similarity Learning and Hierarchical Clustering for Unfixed Size Datasets DOI : 10.1007/978-3-030-80209-7_64
2021
Scale Equivariant Neural Networks with Morphological Scale-Spaces DOI : 10.1007/978-3-030-76657-3_35
2020
From unsupervised to semi-supervised anomaly detection methods for HRRP targets DOI : 10.1109/RadarConf2043947.2020.9266497
2020
On minimum spanning tree streaming for hierarchical segmentation DOI : 10.1016/j.patrec.2020.07.006
2020
SHREC 2020: 3D point cloud semantic segmentation for street scenes DOI : 10.1016/j.cag.2020.09.006
2020
SHREC’20 Track: Retrieval of digital surfaces with similar geometric reliefs DOI : 10.1016/j.cag.2020.07.011
2020
Road Segmentation on Low Resolution Lidar Point Clouds for Autonomous Vehicles DOI : 10.5194/isprs-annals-V-2-2020-335-2020
2020
Combinatorial space of watershed hierarchies for image characterization DOI : 10.1016/j.patrec.2019.11.002
2019
Part-based approximations for morphological operators using asymmetric auto-encoders DOI : 10.1007/978-3-030-20867-7_25
2019
A new color augmentation method for deep learning segmentation of histological images DOI : 10.1109/ISBI.2019.8759591
2019
A graph-based color lines model for image analysis DOI : 10.1007/978-3-030-30645-8_17
2019
Max-plus operators applied to filter selection and model pruning in neural networks DOI : 10.1007/978-3-030-20867-7_24
2019
The strong gravitational lens finding challenge DOI : 10.1051/0004-6361/201832797
2018
Characterizing Images by the Gromov-Hausdorff Distances between Derived Hierarchies DOI : 10.1109/ICIP.2018.8451522
2018
Tropical and Morphological Operators for Signals on Graphs DOI : 10.1109/ICIP.2018.8451395
2018
On minimum spanning tree streaming for image analysis DOI : 10.1109/ICIP.2018.8451715
2018
SHREC'18 track: Retrieval of gray patterns depicted on 3D models DOI : 10.2312/3dor.20181054
2018
SHREC'18 track: Recognition of geometric patterns over 3D models DOI : 10.2312/3dor.20181055
2018
On-the-go grapevine yield estimation using image analysis and boolean model DOI : 10.1155/2018/9634752
2018
Deep learning for galaxy surface brightness profile fitting DOI : 10.1093/mnras/stx3186
2018
Manipulating the alpha level cannot cure significance testing DOI : 10.3389/fpsyg.2018.00699
2018
Dealing with Topological Information Within a Fully Convolutional Neural Network DOI : 10.1007/978-3-030-01449-0_39
2017
Non-Negative Sparse Mathematical Morphology DOI : 10.1016/bs.aiep.2017.07.001
2017
SHREC'17 track: Point-cloud shape retrieval of non-rigid toys DOI : 10.2312/3dor.20171056
2017
preface
2017
SHREC'17 track: Retrieval of surfaces with similar relief patterns DOI : 10.2312/3dor.20171058
2017
Prior-based hierarchical segmentation highlighting structures of interest DOI : 10.1007/978-3-319-57240-6_12
2017
Morphological semigroups and scale-spaces on ultrametric spaces DOI : 10.1007/978-3-319-57240-6_3
2016
Retrieval and classification methods for textured 3D models: a comparative study DOI : 10.1007/s00371-015-1146-3
2016
Shrec'16 Track: Retrieval of Human Subjects from Depth Sensor Data DOI : 10.2312/3dor.20161086
2016
Automatic selection of stochastic watershed hierarchies DOI : 10.1109/EUSIPCO.2016.7760574
2016
Deep learning for studies of galaxy morphology DOI : 10.1017/S1743921317000552
2016
A Bayesian approach to linear unmixing in the presence of highly mixed spectra DOI : 10.1007/978-3-319-48680-2_24
2015
Inner-cheeger opening and applications DOI : 10.1007/978-3-319-18720-4_7
2015
Nonlinear operators on graphs via stacks DOI : 10.1007/978-3-319-25040-3_70
2015
Comparative analysis of covariance matrix estimation for anomaly detection in hyperspectral images DOI : 10.1109/JSTSP.2015.2442213
2015
Objects co-segmentation: Propagated from simpler images DOI : 10.1109/ICASSP.2015.7178257
2014
A comparative analysis of covariance matrix estimation in anomaly detection DOI : 10.1109/WHISPERS.2014.8077605
2014
Vector ordering and multispectral morphological image processing DOI : 10.1007/978-94-007-7584-8_7
2014
Robust anomaly detection in Hyperspectral Imaging DOI : 10.1109/IGARSS.2014.6947518
2014
Conditional toggle mappings: Principles and applications DOI : 10.1007/s10851-013-0429-4
2014
Local mutual information for dissimilarity-based image segmentation DOI : 10.1007/s10851-013-0432-9
2014
SHREC'14 track: Retrieval and classification on textured 3D models DOI : 10.2312/3DOR.20141057
2014
Riemannian mathematical morphology DOI : 10.1016/j.patrec.2014.05.015
2014
Anomaly detection and important bands selection for hyperspectral images via sparse PCA DOI : 10.1109/WHISPERS.2014.8077604
2013
Classification of hyperspectral images by tensor modeling and additive morphological decomposition DOI : 10.1016/j.patcog.2012.08.011
2013
On nonlocal mathematical morphology DOI : 10.1007/978-3-642-38294-9_19
2013
Multivariate diffusion tensor and induced segmentation DOI : 10.1109/WHISPERS.2013.8080638
2013
Shrec'13 track: Retrieval on textured 3D models DOI : 10.2312/3DOR/3DOR13/073-080
2013
Stochastic morphological filtering and Bellman-Maslov chains DOI : 10.1007/978-3-642-38294-9_15
2013
Mathematical morphology for real-valued images on Riemannian manifolds DOI : 10.1007/978-3-642-38294-9_24
2013
Complete lattice structure of Poincaré upper-half plane and mathematical morphology for hyperbolic-valued images DOI : 10.1007/978-3-642-40020-9_59
2013
Supervised morphology for structure tensor-valued images based on symmetric divergence kernels DOI : 10.1007/978-3-642-40020-9_60
2012
Robust RX anomaly detector without covariance matrix estimation DOI : 10.1109/WHISPERS.2012.6874301
2012
Edge extraction by statistical dependence analysis: Application to multi-angular WorldView-2 series DOI : 10.1109/IGARSS.2012.6350679
2012
Random projection depth for multivariate mathematical morphology DOI : 10.1109/JSTSP.2012.2211336
2011
Using biophotonics techniques to retrieve prognostic intracellular signatures; [La biophotonique au service de l'identification de marqueurs pronostiques intracellulaires] DOI : 10.1016/j.irbm.2011.01.039
2011
Supervised ordering in IRp: Application to morphological processing of hyperspectral images DOI : 10.1109/TIP.2011.2144611
2011
Multiclass ordering for filtering and classification of hyperspectral images DOI : 10.1109/WHISPERS.2011.6080922
2011
Sparse mathematical morphology using non-negative matrix factorization DOI : 10.1007/978-3-642-21569-8_1
2011
Mathematical morphology for vector images using statistical depth DOI : 10.1007/978-3-642-21569-8_31
2011
Structurally adaptive mathematical morphology based on nonlinear scale-space decompositions DOI : 10.5566/ias.v30.p111-122
2010
Spatial structures detection in hyperspectral images using mathematical morphology DOI : 10.1109/WHISPERS.2010.5594961
2010
Parameters selection of morphological scale-space decomposition for hyperspectral images using tensor modeling DOI : 10.1117/12.850171
2010
Statistical shape modeling using morphological representations DOI : 10.1109/ICPR.2010.863
2010
Semi-supervised hyperspectral image segmentation using regionalized stochastic watershed DOI : 10.1117/12.850187
2010
Morphological processing of hyperspectral images using kriging-based supervised ordering DOI : 10.1109/ICIP.2010.5651305
2010
Structurally adaptive mathematical morphology on nonlinear scale-space representations DOI : 10.1109/ICIP.2010.5651969
2010
Hit-or-miss transform in multivariate images DOI : 10.1007/978-3-642-17688-3_42
2009
Morphological scale-space for hyperspectral images and dimensionality exploration using Tensor modeling DOI : 10.1109/WHISPERS.2009.5289059
2009
Multiscale stochastic watershed for unsupervised hyperspectral image segmentation DOI : 10.1109/IGARSS.2009.5418095
2009
Morphological image distances for hyperspectral dimensionality exploration using kernel-PCA and ISOMAP DOI : 10.1109/IGARSS.2009.5418063
2009
Accelerating hyperspectral manifold learning using graphical processing units DOI : 10.1117/12.820176
2009
Improving hyperspectral image classification using spatial preprocessing DOI : 10.1109/LGRS.2009.2012443
2008
Improving hyperspectral image classification based on graphs using spatial preprocessing DOI : 10.1109/IGARSS.2008.4779433

Enseignements

Deep Learning for Image Analysis

Chargé d'enseignement

Le cours sera composé de leçons et de sessions pratiques. Les cours magistraux comprendront : - Introduction à l'apprentissage automatique. - Réseaux neuronaux artificiels, algorithme de rétropropagation - Réseau de neurones convolutif - Architectures à succès - Analyse de la fonction des réseaux de neurones - Classification et segmentation d'images - Auto-encodeurs et réseaux génératifs - Tendances et perspectives de recherche actuelles Pendant les travaux pratiques, les étudiants coderont en Python les concepts appris pendant les cours. Ils seront confrontés aux problèmes pratiques liés à l'apprentissage profond : conception d'architecture, schémas d'optimisation et sélection d'hyper-paramètres, analyse des résultats.

Direction(s) de thèse(s)

2025 Robustesse par construction pour des modèles d’apprentissage frugaux et de confiance LOZA RAMIREZ Edgar
2025 Modèles Génératifs 3D avec Contraintes Géométriques OLECH Alexandre
2024 Traitement d’image hybride pour la métrologie de la contamination particulaire surfacique : couplage des méthodesmorphologiques et des méthodes d’apprentissage pour les aérosols PILLARD Dorian
2024 Couches morphologiques dans les réseaux de neurones: comment les entraîner et les utiliser pour l'analyse de données DIMITROVA Mihaela
2024 Suivi d’objets maritimes longue distance dans la bande NIR par de l’intelligence artificielle GOLEBIEWSKI Adrien
2023 Apprentissage Profond sur des Profils Radar de Haute Résolution : GANs et XAI BRIENT Edwyn
2023 A PRIORI GÉOMÉTRIQUES POUR LES MODÈLES D'APPRENTISSAGE PROFOND DANS LES NUAGES DE POINTS 3D ONGHENA Pierre
2023 Apport de l’intelligence artificielle pour l’amélioration des performances des moniteurs de contamination atmosphérique ROBLIN Arthur
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 Utilisation de méthodes d'apprentissage automatique pour des tâches de pistage radar et de classification d'aéronefs JOUABER Sami
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
2018 Compréhension de scènes urbaines 3D par analyse de données LiDAR, colorées et hyperspectrales DUQUE David
2017 Contributions à l'analyse hiérarchique basée sur des graphes pour les images et les nuages de points 3D GIGLI Leonardo