Université de Lille - CRIStAL

Laboratoire CRIStAL, équipes Émeraude et FOX

ULille, l’Université de Lille, université pluridisciplinaire d’excellence au cœur de l’Europe du Nord, est riche d’un patrimoine culturel et scientifique exceptionnel inscrit dans l’histoire de la région des Hauts-de-France. Forte de ses 74 000 étudiant·e·s (dont 9 502 internationaux), 6 700 personnels, 66 unités de recherche et une offre de formation qui couvre l’ensemble des champs disciplinaires, l’Université de Lille s’impose comme un acteur majeur de la région pour la formation, la recherche et l’innovation et par son engagement sur les questions de société.

CRIStAL est né le 1er janvier 2015 sous la tutelle du CNRS, de l’Université Lille 1 et de Centrale Lille en partenariat avec l’Université Lille 3, Inria et l’Institut Mines Telecom. CRIStAL est membre de l’institut de recherches interdisciplinaires IRCICA – USR CNRS 3380 (www.ircica.univ-lille1.fr).

L’unité est composée de près de 430 membres (230 permanents et plus de 200 non permanents) dont 28 permanents CNRS et 21 permanents Inria. Les activités de recherche de CRIStAL concernent les thématiques liées aux grands enjeux scientifiques et sociétaux du moment tels que : BigData, logiciel, image et ses usages, interactions homme-machine, robotique, commande et supervision de grands systèmes, systèmes embarqués intelligents, bio-informatique… avec des applications notamment dans les secteurs de l’industrie du commerce, des technologies pour la santé, du transport et des smart grids.

L'équipe Émeraude entend contribuer à une utilisation plus efficace et plus facile des générations futures de processeurs pour les applications mobiles et embarquées en se focalisant sur la prise en compte du temps dans toutes les couches des systèmes de calcul (langage, compilateur, système d'exploitation, machine virtuelle). Nos recherches contribuent à l'ordonnancement temps-réel prenant en compte l'énergie sur plateformes hétérogènes, au placement de tâches et de communications sur des réseaux sur puces hétérogènes, et à l'adaptation dynamique à la variabilité du matériel. En complément de ces travaux pour améliorer l’informatique binaire, nous étudions la possibilité de changement radical de la façon de calculer par des architectures radicalement nouvelles : les architectures neuromorphiques au sein de l’IRCICA.

L’équipe FOX du laboratoire CRIStAL est spécialisée dans l’analyse du comportement humain à partir de flux vidéos. À cette fin, les approches spatio-temporelles, permettant la modélisation du mouvement, sont privilégiées. L’équipe a développé des méthodes de modélisation spatio-temporelles pour plusieurs tâches d’analyse du comportement humain, dont la détection d’événements anormaux1, la reconnaissance d’émotions2 et l’alignement de visages3. Ces travaux ont donné lieu à des publications dans des revues et conférences majeures du domaine (Pattern Recognition – Impact factor : 7, IEEE Trans. on Affective Computing – Impact factor : 7, WACV – CORE Rank A).

Les équipes Émeraude et FOX font partie de l’institut IRCICA (USR CNRS 3380), qui accueille des équipes de différents horizons avec l’objectif de soutenir des projets interdisciplinaires. Au sein de l’IRCICA, ces équipes participent à l’axe Bio-inspiré, qui vise le développement de nouvelles méthodes bio-inspirées de traitement de l’information ; cet axe est un des axes structurants de l’unité. Dans ce cadre, l’équipe FOX a développé de nouveaux modèles de réseaux de neurones impulsionnels dédiés à la reconnaissance d’images statiques. Ces modèles se positionnent favorablement par rapport aux modèles existants de l’état de l’art4. Ces travaux ont aussi été parmi les premiers au monde à appliquer les réseaux de neurones impulsionnels à des données significatives de vision par ordinateur, contrairement aux travaux précédents qui étaient focalisés sur des problèmes simplifiés, éloignés des applications réelles5. L’équipe Émeraude a développé un simulateur efficace6 dédié à la validation expérimentale de modèles de réseaux de neurones sur ce type de données complexes. Ces travaux sont essentiellement issus de la thèse de Pierre Falez, soutenue en 2019 et co-encadrée par des membre des équipes Émeraude et FOX de CRIStAL et de l’IRCICA, et en interaction avec des chercheurs de l’IEMN. Ils ont donné lieu à des publications de premier ordre dans les communautés réseaux de neurones (IJCNN 2018, IJCNN 2019 – CORE Rank A) et vision par ordinateur (Pattern Recognition – Impact factor : 7). Au niveau international, ces deux équipes sont impliquées dans le projet CHIST-ERA APROVIS3D (débuté en 2020) qui traite du traitement et de l’analyse des scènes 3D à l’aide de réseaux de neurones impulsionnels. Enfin, un membre de l’équipe FOX a été éditeur d’un numéro spécial de la revue Pattern Recognition dédié aux approches bio-inspirées pour la reconnaissance de formes.

1 An entropy approach for abnormal activities detection in video streams. MH Sharif, C Djeraba. Pattern Recognition 45 (7), 2543-2561, 2012.

2 Micro and macro facial expression recognition using advanced Local Motion Patterns. B Allaert, IM Bilasco, C Djeraba. IEEE Transactions on Affective Computing (in press).

3 Video-based Face Alignment with Local Motion Modeling. R Belmonte, P Tirilly, IM Bilasco, C Djeraba, N Ihaddadene. IEEE Winter Conference on Applications of Computer Vision (WACV), 2019.

4 Multi-layered Spiking Neural Network with Target Timestamp Threshold Adaptation and STDP. P Falez, P Tirilly, IM Bilasco, P Devienne, P Boulet. International Joint Conference on Neural Networks (IJCNN), 2019.

5 Unsupervised visual feature learning with spike-timing-dependent plasticity: How far are we from traditional feature learning approaches? P Falez, P Tirilly, IM Bilasco, P Devienne, P Boulet. Pattern Recognition 93, 418-429, 2019.

6 N2S3, Neural Network Scalable Spiking Simulator, https://sourcesup.renater.fr/wiki/n2s3/