Natalia Neverova, lauréate de Prix de thèse Signal, Image et Vision du Club EEA, du GRETSI et du GdR ISIS
Natalia Neverova est lauréate du prix de thèse Signal, Image et Vision du Club EEA, du GRETSI et du GdR ISIS pour l'année 2017 pour sa thèse effectuée au LIRIS et à l’INSA-Lyon (oct. 2012 - apr. 2016) et intitulée : Deep Learning for Human Motion Analysis.
Cette thèse a été effectuée
- sous la direction de Christian Wolf, Maître de Conférences, HDR, à l'université de Lyon/INSA Lyon,
- et la co-direction de Graham W. Taylor, assistant Professor, University of Guelph, Canada.
- et la co-direction de Graham W. Taylor, assistant Professor, University of Guelph, Canada.
Natalia Neverova a démarré son doctorat en octobre 2012 au sein de l'équipe Imagine du LIRIS. L'objectif de la thèse, financée par un projet de type ``Investissements d'Avenir'' porté par l'entreprise Awabot, était de doter un robot mobile de capacités d’interaction par gestes afin d’apporter une dimension émotionnelle.
Natalia a travaillé sur le Deep Learning pour le mouvement humain, avec plusieurs applications :
- Reconnaissance de gestes
- Estimation de la posture articulée
- Authentification automatique d’utilisateurs de smartphones (en association avec Google USA).
Elle a proposé plusieurs modèles et des algorithmes d’entrainement innovateur dans le domaine :
- Les travaux sur la reconnaissance de gestes ont remporté deux compétitions scientifique associées aux conférences ECCV 2014 et CVPR 2015. Mlle. Neverova a également démontré les propriétés théoriques de l'algorithme d'apprentissage.
- Pour l'estimation de la posture articulée, Mme Neverova a proposé une algorithme à la fois semi-supervisé et faiblement supervisé, permettant l'apprentissage à partir de données hétérogènes. Un grand effort a été fait de manière pratique et expérimental pour aboutir, à partir de simulations, à une base de données de 70 000 images synthétiques et annotées de manière dense.
- Le problème de la biométrie a été abordé par une approche fusionnant le traitement de signal avec l'apprentissage automatique. Le modèle proposé permet une décomposition multi-échelle et invariante du signal, tout en étant complètement entraînable de manière supervisée.
Mme. Neverova a passé deux séjours de recherche à l'étranger:
- dans le cadre d'une collaboration avec Graham W. Taylor, co-encadrant de la thèse, un séjour de 3 mois à l'Université de Guelph, Canada.
- un séjour de recherche de 3 mois à Google, Mountain View, où Natalia a travaillé sur une nouvelle technologie pour la biométrie par le mouvement.
Elle poursuit actuellement sa carrière dans l'équipe Parisienne de Facebook AI Research.
pour en savoir plus :