Projets hébergés sur OSIRIM :

LEARNFRAM (IRIT - INPT - TTT) - Août 2020

Le projet vise à créer un framework général de traitement de signaux et images médicales pour détecter des anomalies et risques bio-médicaux. En plus du framework, le projet crée une application de supervision de l’hypovigilance.
L'objectif est de valoriser des résultats de recherche en créant un démonstrateur logiciel.

Stage neOCampus : Reinforcement Learning based “Caching” strategy in IoT (IRIT - UPS) - Juillet 2020

Simuler un réseau de RPis large échelle. Chacune exécutant un algorithme d'IA afin de prendre une décision : mettre en cache la données qu'elle voit passer dans le réseau ou pas.
Le stage a pour but de développer de nouvelles approches d'acheminement et de collecte de données dans l'infrastructure IoT de neOCampus.

PREVISION (IRIT equipe SIG) - Juin 2020

Le projet est en lien avec le projet PREVISION financé par l'Europe sous le contrat N° 833115. Ce projet regroupe des partenaires techniques et usagers. La plateforme développée à pour objectif d'aider les organismes en charge de la sécurité et de détecter les radicalités et leur niveau.
Dans ce cadre OSIRIM sera utilisée pour mettre au point les programmes et vérifier les résultats sur différentes collections de test, en dehors du projet et dans le projet. En particulier un module d'extraction de jargons, un module pour compléter les données manquantes et un module de détection de radicalisation seront mis au point par l'IRIT-CNRS

SIG-COVID-19 (IRIT equipe SIG, LSIS) - Juin 2020

Fouille de données et recherche d'information sur le sujet COVID-19
Les corpus de base sont (a) un corpus téléchargé par nos soins sur PubMed (b) un coprus ouvert COVID-19
Plusieurs tâches seront menées en parallèle sur l'un ou l'autre de ces corpus:
- Participation à TREC Covid-search https://ir.nist.gov/covidSubmit/about.html
- Fouille de données pour l'extraction de termes saillants
- Résumés multi-documents sur des sujets particuliers (exemple: l'origine du covid)

Transparens (IRIT equipe SIG, CHU Toulouse) - Mai 2020

valorisation des données médicales des traumatismes craniens à travers plusieurs technologies (classification des traumatismes cranien à partir d'images IRM)

Clone (IRIT, Serious Game Research Lab / Institut National Universitaire Champollion) - Mai 2020

Recherche d’anomalies dans les parcours des élèves infirmiers dans le jeu sérieux clone.
Plusieurs méthodes vont être testées et réalisées pour l’analyse des données issues des parcours du jeu clone réalisés par des élèves infirmiers.

C2C : Car to Cars (IRIT, CLLE, LIRMM, Société Oktal) - Mai 2020

Le projet C2C vise à étudier la problématique innovante des collectifs de véhicules autonomes et connectés ainsi que l’acceptabilité et l’appropriation de l’humain utilisateur de ces véhicules et de l’humain se déplaçant dans l’environnement peuplé de ce type de véhicules
Ce projet est donc étudié selon deux axes complémentaires : 1) ergonomique et sociétal et 2) informatique. Du point de vue ergonomique, il a pour objectif de fournir une architecture et des recommandations favorisant l’acceptation et l’appropriation par l’humain de ces véhicules et basés sur l’étude des indices déterminant le comportement de l’humain (conducteur et/ou passager). Du point de vue informatique, il s’agit d’étudier la façon dont chaque véhicule du collectif communique avec ses voisins et se comporte/réagit en réponse à l’information fournie par son voisinage. Un verrou consiste notamment à déterminer les informations qui sont pertinentes à communiquer parmi l’ensemble des données récupérées à partir des capteurs du véhicule. Le projet dispose d'un simulateur physique à l'IRIT tournant la plateforme logicielle SCANeR Studio, d'où des données de simulation de conduite seront extraites et traitées à l'aide, par exemple, de méthodes de machine learning.

DeepRad (ANITI, Cerco, ISAE-SUPAERO, IRIT Equipe SC, Société NXP) - Avril 2020

Multiple target extraction, identification and tracking for automotive radar
The aim of the project is to build new machine / deep learning frameworks specifically tailored to radar data, that will be incorporated in real automotive systems. Those algorithms are expected to detect, identify and track surrounding objects in complex environments like cities or large cross-roads, traffic jams, etc.

SGL Thresh (CERCO - IRIT Equipe SAMOVA) - Mars 2020

SGLThresh: Surrogate Gradient Learning of Thresholds
Il s’agit de fixer des seuils optimaux pour un problème de classification multi-label. Les seuils permettent d’affecter ou non un label à partir de probabilités continues. On veut trouver les seuils qui minimisent une certaine fonction de coût en utilisant une descente de gradient. La fonction de seuillage étant non differentiable, au moment de calculer le gradient on prétend qu’une sigmoïde à été utilisée à la place..

REAM (IRIT Equipes ADRIA et MELODI) - Janvier 2020

Raisonnement Explicite et Apprentissage sur imagerie Médicale.
L'objectif de projet concerne la validation d'architecture de réseaux de neurones pour la classification automatique d'images histopathologiques, et vérification d'hypothèses d'incrémentalité de l'apprentissage.
Ce projet s'intègre dans le cadre d'une thèse qui porte sur l'interaction entre système d'apprentissage et système de raisonnement explicite. Une première partie de la thèse vise à concevoir un classifieur automatique d'images en utilisant le deep learning. Dans un deuxième temps des connaissances explicites seront ajoutés sous-forme d'ontologies ou de règles de système expert. Dans un troisième temps on développera l'interaction entre les deux systèmes.

ANITI - DAML (Université Fédérale de Toulouse MIP) - Novembre 2019

L’assimilation de données (AD) est une technique éprouvée de suivi d’un système dynamique par l’utilisation d’une représentation paramétrée de sa dynamique et d’observations physiques. Elle se présente traditionnellement dans un cadre Bayésien.
L’apprentissage machine profond (ML) supervisé permet de réaliser de la prédiction de label par ajustement de poids d’un réseau de neurones en utilisant des exemples d’entraînement.
La question centrale pour la chaire est : comment peut-on introduire une dynamique approchée dans les réseaux de Neurones ? Inversement, comment peut-on introduire de l’apprentissage profond en AD pour pouvoir se passer de la dynamique et obtenir de meilleurs algorithmes. Dans les deux cas, quelles sont les performances attendues ?
La chaire a pour but de proposer des algorithles d'hybridation en les validant sur des équations physiques représentatives d'équations réelles..

Hearvolution (IRIT Equipe REVA - Laboratoire AMIS UT3) - Octobre 2019

Identification des signatures de sélection positive chez les gènes impliqués dans des processus auditifs à l'échelle interspécifique chez les primates humain et non-humain.

Toulous School of Economics - Octobre 2019

GPU parallelization of codes for the study of a discrete choice demand model for food economics.

Nurisens (IRIT Equipe SIG - INSERM I2MC - Sociétés Innopsys, Keleo Solutions, Flutilliant) - Septembre 2019

Le concept repose sur un auto-test urinaire connecté à un téléphone portable et une plateforme data regroupant les données anonymisées et réalisant des corrélations de données.
L'IRIT s'attachera à développer des algorithmes d’analyse et de corrélation de données tant individuelles que collectives par groupes d’utilisateurs afin de repérer et/ou anticiper des dérives de comportements nutritionnels dans l’objectif de proposer des recommandations de comportements de nutrition.

DIAMEN (IRIT Equipe SIG - CHU Toulouse - Société ORME) - Juillet 2019

Développement d'un outil d'aide au diagnostic dans les scintigraphies cardiaques des services de médecin nucléaire.
L'objet du projet est de développer des algorithmes de Machine learning et Deep learning pour construire une IA capable de prédire les patients malades en fonction des différentes pathologies cardiaques. Les premières architectures développées seront à base de réseaux de neurones à convolution (CNN)

aireps (IRIT Equipe MELODI - Laboratoire CERCO) - Mai 2019

Analyse de représentations sémantiques, comparaison de représentations chez l'homme et en IA.

dfo4rl (IRIT Equipe APO - Lehigh Université (USA)) - Mai 2019

Développement d'algorithmes d'optimisation sans dérivées pour l'apprentissage par renforcement.

Neocampus (IRIT) - Avril 2019

Entrainement de réseaux de neurones pour la mise en place de capteurs intelligents. Premières applications : mesures de fréquentation, détection de frelons asiatiques au rucher, ...

Flux Doppler (IRIT Equipe Minds - Université de Tours CHU) - Avril 2019

Mesure de flux sanguin à partir de signaux Doppler par acquistion ultrarapide

COOSINET (IRIT Equipe SC - CNES (Toulouse), Thales (Cannes)) - Mars 2019

Deep-learning pour la compression à bord d'images d'observation de la Terre

Hébergement d'un projet de fouille de textes issus de la littérature scientifique (IRIT équipe IRIS - INIST) - Mars 2019

Le projet vise à appliquer des techniques de fouilles de textes (notamment les word embeddings) sur des gros corpus de littérature scientifique (de l'ordre de 20 millions de textes sur ISTEX, par exemple).

LINTO (LINAGORA (Entreprise - porteur) - IRIT (SAMoVA et MELODI) - LAAS - Zelros (entreprise Paris) - LIX (Ecole Polytechnique - Labo - Saclay)) - Mars 2019

Assistant conversationnel opérant en milieu professionnel
Il s’agit d’un projet d’assistant conversationnel intelligent, open-source, dédié aux entreprises. LinTO allie un dispositif physique et un ensemble de services d’aides aux employés, centrés sur l'interaction vocale, que ce soit pour un usage individuel ou collectif (en contexte de réunion). Les enjeux du projet portent sur l'architecture matérielle et logicielle du dispositif LinTO, sur ses capacités d'une part à comprendre dans quel contexte il est utilisé et d'autre part à s'adapter à la situation professionnelle et au domaine métier considéré. La contribution scientifique de l'IRIT portera sur les aspects traitement de la parole, perception multimodale, traitement du langage naturel, dialogue et analyse de la conversation.
Pour plus d'informations, rendez-vous sur : https://research.linagora.com/display/linto

projet ANR COST (IRIT - CLLE (Toulouse), LIG (Grenoble), LIP6 (Paris)) - Mars 2019

Modélisation de Tâches Complexes en Recherche d’Information

Image CLEF 2019 (IRIT - Univ. Toulouse 3) - Février 2019

Deep learning pour les données médicales et participation au challenge CLEF

Callisto CALMIP - Février 2019

Outillage pour la description de jeu de données dans le cadre du chantier RTRA DataNoos

Analyse de discours par méthodes de classification non supervisée (ClustEdu) IRIT - Octobre 2018

Le projet vise à extraire des connaissances à partir d'une base de données de discours et à comparer différentes méthodes de classification supervisée (réseaux de neurones) et non supervisée (méthodes spectrales).

Logical Frameworks for Abstract Argumentation (LF2A) (IRIT - CIMI) - Mai 2018

Etudier les modèles logiques utilisables pour faire de l'argumentation abstraite. En déduire des algorithmes efficaces pour résoudre les problèmes de calcul d'extension ou de labelling en argumentation abstraite

Deforestation (IRIT - Univ. Madagascar) - Février 2018

Application d'algorithmes de machine learning (CNN) sur des images satellites pour l'annotation et la détection de changements.

Victoria (UPS - INP / IRIT) - Janvier 2018

Projet H2020 – SEC (Video analysis for Investigation of Criminal and TerrORIst Activities) pour la diffusion de corpus de référence de grande taille (plusieurs Teras) entre les différentes équipes en Europe

Depression (IRIT - LIMSI) - Mars 2017

L'objectif du projet est de détecter les personnes dépressives via leurs posts sur les réseaux sociaux en utilisant dans un premier temps la collection e-risk de CLEF puis d'autres collections.

LisTIC (LISST - IRIT - LERASS) - Novembre 2016

Enquête sociologique sur les usages et les effets des médias sociaux (Twitter et Facebook) sur la composition des réseaux de relations des français ainsi que sur la structure des participations en ligne durant les élections présidentielles françaises et les mouvements sociaux brésiliens. https://listic.irit.fr

Parolothèque (CHU Toulouse - IRIT - IFERISS - OCTOGONE - CLEE - LIA - LPL) - Novembre 2016

L’objectif principal de ce projet est d’établir un corpus de voix de patients atteints de cancer. Ce corpus pourra ensuite être analysé et étudié autant du point de vue de son contenant (parole) que de son contenu (discours). Il permettra de développer des axes de recherches variés et l’élaboration de publications scientifiques dans divers domaines (sciences humaines et sociales : SHS, épidémiologie, linguistique, informatique…).

MUSK (LISIS) - Juin 2016

Le projet MUSK est dédié à l'analyse de données textuelles (Text Data Sciences) avec différents types de données (texte, microblog, piste son des videos) provenant de différentes sources (documentation technique, publications scientifiques, media sociaux). Les activités de traitements visent la création de datasets par crawling, l'analyse des éléments de base (stockage, segmentation lexicale, analyse syntaxique) mais aussi plus complexe comme l'étiquetage sémantique et la classification automatique. L'objectif étant la structuration et la découverte de nouvelles connaissances.

Learning to Rank and Best System Configuration (Université Toulouse Jean Jaurès - Université de Montréal - IRIT) - Février 2016

A partir de plusieurs milliers de configurations de systèmes qui traitent des requêtes, l'objectif est d'apprendre la meilleure configuration d'un système pour une requête donnée. Une fois appris sur un ensemble d'exemples, le système doit être capable de traiter toute nouvelle requête de façon optimale.

Tweet Contextualization (IRIT - Université d'Avignon) - Janvier 2016

Contextualisation de tweets autour d’évènements.

COMPUBIOMED (IRIT - INSERM) - Janvier 2016

Meta mining pour la recommandation en biosanté.

PETASKY (LIRIS - LIMOS) - Décembre 2015

Ce projet s’intéresse au problème de gestion des données scientifiques dans le domaine de la cosmologie, plus particulièrement pour les données collectées dans le cadre du projet LSST (http://www.lsst.org/). Des expérimentations sur les techniques de partitionnement de données ont été menées sur la plateforme OSIRIM, sous forme de Jobs MapReduce.

POLEMIC (IRIT SIG - Departamento de Tecnologías de la Información, Universidad Autónoma Metropolitana (UAM-Cuajimalpa), Mexico City) - Septembre 2015

Analyse du comportement des utilisateurs dans les réseaux sociaux, en particulier de  l’évolution temporelle de ce comportement à travers les interactions de l’utilisateur dans son réseau.

IRIM-at-Trecvid (Consortium IRIM (LIG, LISTIC, LaBRI, CEA LIST)

Réalisation des expérimentations de plusieurs équipes scientifiques françaises dans le cadre de leur participation à la campagne internationale TRECVID.

RayWARPS (UPS - IRIT)

Edition et controle interactifs et intuitifs d’images de synthèses.

SemDis (CLLE - ERSS  et IRIT)

Création et évaluation de bases distributionnelles du français.

CAIR (LIRIS)

Recherche agrégative de données.

Travaux des équipes de recherche de l'IRIT sur OSIRIM :