Thèse de Paul Compagnon


Sujet :
Deep metric learning for autonomy assessment

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.

 

 


Encadrant : Christophe Garcia
Co-encadrant : Stefan Duffner

Date de soutenance : jeudi, 27 mai, 2021

Jury :
Mme Oukhellou LatifaDirecteur(trice) de rechercheUniversité Gustave EiffelRapporteur(e)
Mr Thome NicolasProfesseur(e)Conservatoire National des Arts et MétiersRapporteur(e)
Mr Chateau ThierryProfesseur(e)Université Clermont AuvergneExaminateur​(trice)
Mme Douzal-Chouakria AhlameMaître de conférenceUniversité Grenoble AlpesExaminateur​(trice)
Mr Habrard AmauryProfesseur(e)Université Jean MonnetExaminateur​(trice)
Mr Garcia ChristopheProfesseur(e)INSA LyonDirecteur(trice) de thèse
Mr Duffner Stefan Maître de conférenceINSA LyonCo-directeur (trice)
Mr Grégoire LefebvreChercheurOrange Labs GrenobleCo-directeur (trice)