Thèse de Paul Compagnon
Sujet :
Deep metric learning for autonomy assessment
Date de soutenance : 27/05/2021
Encadrant : Christophe Garcia
Co-encadrant : Stefan Duffner
Résumé :
- La prise en charge des personnes fragiles (âgées, handicapées ou temporairement affaiblies) à leur domicile est un enjeu social et économique majeur, susceptible d'améliorer aussi bien la qualité de vie des personnes que leur suivi médical. A cet effet, les données inertielles sont particulièrement intéressantes car, de nos jours, les capteurs inertiels sont facilement embarqués dans les objets peu encombrants de la vie quotidienne comme les téléphones portables. L'objectif de cette thèse est l'application d'algorithmes d'apprentissage automatique à la reconnaissance de routines dans des données inertielles pour rendre compte de l'autonomie des personnes et prédire d’éventuelles dégradations de leur condition.
Jury :
| Mme Oukhellou Latifa | Directeur(trice) de recherche | Université Gustave Eiffel | Rapporteur(e) |
| Mr Thome Nicolas | Professeur(e) | Conservatoire National des Arts et Métiers | Rapporteur(e) |
| Mr Chateau Thierry | Professeur(e) | Université Clermont Auvergne | Examinateur(trice) |
| Mme Douzal-Chouakria Ahlame | Maître de conférence | Université Grenoble Alpes | Examinateur(trice) |
| Mr Habrard Amaury | Professeur(e) | Université Jean Monnet | Examinateur(trice) |
| Mr Garcia Christophe | Professeur(e) | INSA Lyon | Directeur(trice) de thèse |
| Mr Duffner Stefan | Maître de conférence | INSA Lyon | Co-directeur (trice) |
| Mr Grégoire Lefebvre | Chercheur | Orange Labs Grenoble | Co-directeur (trice) |