last checking #1

abstract.tex

@@ -4,7 +4,7 @@
 \end{abstract}
 \begin{otherlanguage}{french}
 \begin{abstract}
-Le suivi d'objets à partir d'enregistrements vidéo est une tâche de traitement d'image compliquée mais essentielle dans de nombreux domaines universitaires. Nous avons compilé une base de données de films bidimensionnels provenant de systèmes biologiques et physiques très différents, couvrant une large gamme d'échelles et de dynamiques, et avons développé un logiciel de suivi polyvalent appelé FastTrack. Il peut traiter un nombre variable d'objets déformables. En outre, nous introduisons la probabilité d'incursion, une nouvelle mesure de la trackabilité d'un film qui ne nécessite pas les trajectoires. Nous avons démontré que FastTrack est plus rapide de plusieurs ordres de grandeur que ce qu'il se fait de mieux dans le domaine. Une documentation utilisateur et développeur est disponible, et le logiciel est distribué sous une licence GNU GPLv3.
+Le suivi d'objets à partir d'enregistrements vidéo est une tâche de traitement d'image compliquée mais essentielle dans de nombreux domaines universitaires. Nous avons compilé une base de données de films bidimensionnels provenant de systèmes biologiques et physiques très différents, couvrant une large gamme d'échelles et de dynamiques, et avons développé un logiciel de suivi polyvalent appelé FastTrack. Il peut traiter un nombre variable d'objets déformables. En outre, nous introduisons la probabilité d'incursion, une nouvelle mesure de la difficulté d'analyse d'un film qui ne nécessite pas les trajectoires. Nous avons démontré que FastTrack est plus rapide de plusieurs ordres de grandeur que ce qu'il se fait de mieux dans le domaine. Une documentation utilisateur et développeur est disponible, et le logiciel est distribué sous une licence GNU GPLv3.
 La perception chimique intervient dans plusieurs comportements essentiels des poissons, comme l'accouplement et l'alimentation. Cependant, il en reste beaucoup à comprendre sur la façon dont les poissons traitent les stimuli chimiques. Nous avons mis en place deux dispositifs expérimentaux : Dual, un dispositif à haut débit capable d'évaluer la préférence chimique des jeunes poissons-zèbres, et The Tropical River pour simuler les flux réalistes que les poissons sont susceptibles de rencontrer dans la nature. Dual est évolutif, open-source, et peut être construit pour moins de 2 000 euros. En l'utilisant, nous avons montré une nette répulsion à l'acide citrique des poissons jusqu'à l'âge de 2 semaines et avons montré que la présentation de l'ATP aux poissons de 2 semaines était d'abord répulsive puis attractive.
 \end{abstract}
 \end{otherlanguage}

cover/cover.tex

@@ -41,7 +41,7 @@
 	devant le jury composé de \\
 	\vspace{.3cm}
 	\large
-	\textbf{M. JOLY Jean-Stephane \hfill Referee} \\
+	\textbf{M. JOLY Jean-Stéphane \hfill Referee} \\
 	\textbf{M. BOURDIEU Laurent \hfill Referee} \\
 	\textbf{Mme WYART Claire \hfill Examinator} \\
 	\textbf{Mme HONG Elim \hfill Examinator} \\

longResume.tex

@@ -8,15 +8,15 @@ \subsubsection*{Introduction}
 
 On distingue deux grandes classes d'algorithmes permettant de résoudre ces problèmes. Le premier utilise les paramètres cinématiques de l'objet ce qui permet ainsi de prédire et retrouver l'identité des objets d'une image sur l'autre. Très rapide, cette classe d'algorithmes souffre d'un problème majeur, la propagation des erreurs. Si une erreur est commise sur une image, elle se propagera jusqu'à la fin du film. La deuxième classe d'algorithmes utilise une "carte d'identité" extraite pour chaque objet. Cela permet de contourner le problème de propagation des erreurs au prix d'un temps de calcul très élevé.
 
-Plusieurs logiciels de suivi existent. On peut citer Ethovision XT, Any-maze et ToxTrack pour les logiciels propriétaires. Les deux premiers sont livrés clef-en-mains mais coûtent cher ce qui peut être un frein pour certains laboratoires. Ces logiciels sont closed-source, c’est-à-dire qu'on ne peut ni les modifier, ni savoir exactement comment ils fonctionnent, ils ne pourront donc pas être adaptés pour un projet particulier. Dans les logiciels open-sources, on peut citer DeepLabCut, idTrackerai et idtracker. Les deux premiers utilisent le machine learning pour effectuer le suivi. Dans les trois cas, ces logiciels nécessitent des ordinateurs puissants et le suivi est en général long, l'installation est complexe et nécessite de bonnes connaissances en informatique.
+Plusieurs logiciels de suivi existent. On peut citer Ethovision XT, Any-maze et ToxTrack pour les logiciels propriétaires. Les deux premiers sont livrés clef-en-mains mais coûtent cher ce qui peut être un frein pour certains laboratoires. Ces logiciels sont closed-source, c’est-à-dire qu'on ne peut ni les modifier, ni savoir exactement comment ils fonctionnent, ils ne pourront donc pas être adaptés pour un projet particulier. Dans les logiciels open-sources, on peut citer DeepLabCut, idTrackerai et idtracker. Les deux premiers utilisent le machine learning pour effectuer le suivi. Dans les trois cas, ces logiciels nécessitent des ordinateurs puissants et l'analyse est en général longue, l'installation est complexe et nécessite de bonnes connaissances en informatique.
 
 \subsubsection*{Dataset}
 Nous avons en premier lieu regroupé divers films pouvant servir de test pour les algorithmes de suivi. Ce dataset nommé The Two Dimentional Tracking Dataset $TD^2$ regroupe 41 films de plus de 7 espèces animales allant du poisson à la drosophile, des particules actives, des gouttes microfluidiques et des objets macroscopiques comme des voitures et des joueurs d'ultimate.
 
 \subsubsection*{FastTrack}
 Pour répondre au problème du suivi d'objets multiples, nous avons développés un logiciel nommé FastTrack. Ce logiciel est basé sur une approche inédite du suivi : au lieu de développer un système très spécifique qui ne sera utilisable que sur un très petit nombre de systèmes, FastTrack implémente un algorithme de suivi généraliste utilisable sur une grande variété de systèmes, un outil ergonomique de gestions des erreurs est ensuite proposé pour que l'utilisateur puisse corriger les trajectoires après le suivi.
 
-Le \textit{workflow} de FastTrack peut être divisé en 3 étapes. La première consiste à détecter les objets. Ceci est fait en calculant et soustrayant le fond aux images puis en appliquant un seuil. FastTrack intègre les opérations d'analyses d'images usuelles pour faciliter la détection. Les objets sont ensuite triés par taille ce qui permet d'écarter les artefacts. Dans une deuxième étape, les objets sont assignés d'une image sur l'autre ce qui permet de garder leurs identités. Ceci est fait en calculant une fonction de coût et en la minimisant pour trouver l'assignation optimale. La fonction de coût comprend le déplacement, le changement d'orientation, de taille et de périmètre des objets entre deux images successives et peut être réglée par l'utilisateur au moyen d'un ensemble de paramètres de normalisation. Deux autres paramètres de seuil permettent de définir une mémoire et une taille maximale d'assignation. La troisième et dernière étape est la correction manuelle des erreurs qui se fait dans un environnement interactif et ergonomique.
+Le flux de traitement de FastTrack peut être divisé en 3 étapes. La première consiste à détecter les objets. Ceci est fait en calculant et soustrayant le fond aux images puis en appliquant un seuil. FastTrack intègre les opérations d'analyses d'images usuelles pour faciliter la détection. Les objets sont ensuite triés par taille ce qui permet d'écarter les artefacts. Dans une deuxième étape, les objets sont assignés d'une image sur l'autre ce qui permet de garder leurs identités. Ceci est fait en calculant une fonction de coût et en la minimisant pour trouver l'assignation optimale. La fonction de coût comprend le déplacement, le changement d'orientation, de taille et de périmètre des objets entre deux images successives et peut être réglée par l'utilisateur au moyen d'un ensemble de paramètres de normalisation. Deux autres paramètres de seuil permettent de définir une mémoire et une taille maximale d'assignation. La troisième et dernière étape est la correction manuelle des erreurs qui se fait dans un environnement interactif et ergonomique.
 
     \begin{figure}[h!]
       \centering
@@ -37,7 +37,7 @@ \subsection*{Caractérisation de la perception chimique chez le jeune poisson-z
 \subsubsection*{Introduction}
 La perception chimique est l'une des plus anciennes modalités sensorielles. Présente dans une grande variété de taxons, des unicellulaires jusqu'aux mammifères, elle est associée à des comportements nécessaire à la survie de l'espèce tels que trouver de la nourriture, se reproduire ou éviter des prédateurs. Les poissons sont baignés dans leur environnement chimique à chaque instant et sont pourvus d'organes pour percevoir et interpréter ces stimuli chimiques. Pour les poissons, la perception chimique passe par l'odorat, le goût et un sens chimique commun. Les mécanismes de perceptions ont été largement étudiés chez diverses espèces de poissons, mais peu est connu sur certains comportements complexes tels que par exemple les migrations.
 
-Le poisson-zèbre est un modèle en pleine expansion dans le cadre des neurosciences. La larve est transparente ce qui permet d'observer l'intégralité du cerveau à l'échelle cellulaire grâce à l'image calcique à nappe de lumière. L'apparition de systèmes de réalité virtuelle pour observer le cerveau de larves effectuant des tâches a permis de mieux comprendre des comportements tels que la phototaxie, la capture de proies et la rhéotaxie. L'application de cette technique à la perception chimique nécessite quelques étapes préalables, par exemple une bonne caractérisation des produits et de la réponse comportementale qu'ils entraînent en fonction de la concentration. Pour cela, il est nécessaire d'avoir un dispositif expérimental permettant de faire varier les produits, leurs concentrations ainsi que l'âge du poisson tout en caractérisant leurs préférences. Dans un deuxième temps, un montage permettant de reproduire des écoulements sera nécessaire pour étudier la navigation par perception chimique.
+Le poisson-zèbre est un modèle en pleine expansion dans le cadre des neurosciences. La larve est transparente ce qui permet d'observer l'intégralité du cerveau à l'échelle cellulaire grâce à l'image calcique à nappe de lumière. L'apparition de systèmes de réalité virtuelle pour observer le cerveau de larves effectuant des tâches a permis de mieux comprendre des comportements tels que la phototaxie, la capture de proies et la rhéotaxie. L'application de cette technique à la perception chimique nécessite quelques étapes préalables, par exemple une bonne caractérisation des produits et de la réponse comportementale qu'ils entraînent en fonction de la concentration. Pour cela, il est nécessaire d'avoir un dispositif expérimental permettant de faire varier les produits, leurs concentrations ainsi que l'âge du poisson tout en caractérisant leurs préférences. Dans un deuxième temps, un montage permettant de reproduire des écoulements réalistes sera nécessaire pour étudier la navigation par perception chimique.
 
 \subsubsection*{Montages expérimentaux}
 Pour caractériser la perception chimique chez le jeune poisson-zèbre, nous avons construit deux montages expérimentaux, l'un permettant de faire un criblage des préférences des poissons à divers stimuli chimiques, l'autre permettant de recréer des écoulements réalistes pour étudier la réponse comportementale du poisson.
@@ -47,7 +47,7 @@ \subsubsection*{Montages expérimentaux}
     \begin{figure}[h!]
       \centering
       \includegraphics[width=1\textwidth]{part_2/assets/resume1.png}
-      \caption{\textbf{A} Schéma du compartiment où nage le poisson. \textbf{B} Image d'un écoulement typique avec en bas le produit visible à l'aide du colorant infrarouge. \textbf{C} Schéma du protocol expérimental permettant de déterminer la préférence des poissons avec un cycle contrôle B1, 2 cycles de test P1, P2 et un cycle de rinçage B2. \textbf{D} Le disposif expérimental Dual. \textbf{D} Préférence index (temps passé dans le produit moins temps passé dans l'eau divisé par le temps total) pour l'ATP en fonction de la concentrentation. On remarque une répulsion au premier cycle P1 (préférence index négatif) et une attraction au cycle P2 (préférence index positif).}
+      \caption{\textbf{A} Schéma du compartiment où nage le poisson. \textbf{B} Image d'un écoulement typique avec en bas le produit visible à l'aide du colorant infrarouge. \textbf{C} Schéma du protocol expérimental permettant de déterminer la préférence des poissons avec un cycle contrôle B1, 2 cycles de test P1, P2 et un cycle de rinçage B2. \textbf{D} Le disposif expérimental Dual. \textbf{E} Préférence index (temps passé dans le produit moins temps passé dans l'eau divisé par le temps total) pour l'ATP en fonction de la concentrentation. On remarque une répulsion au premier cycle P1 (préférence index négatif) et une attraction au cycle P2 (préférence index positif).}
       \label{}
     \end{figure}