2020-2023
DeepLearn
Approche "Deep Learning" pour l'analyse de signaux ultrasonores
Responsable :
Équipes de recherche :
Axe(s) de recherche :
Partenaires :
OBJECTIF : Développer des approches de Deep-Learning pour le traitement automatique de signaux ultrasonores – Application à l’imagerie haute résolution.
Les signaux ultrasonores hautes fréquences sont soumis à de fortes atténuations conduisant à une dégradation du SNR et à des difficultés d’identification réduisant la qualité des images.
Le projet DeepLearn vise au développement de méthodes d’intelligence artificielle et plus précisément de Deep Learning permettant de repousser les limites actuelles de détection basées sur des méthodes conventionnelles de traitement du signal.
Problématique scientifique :
Développement et déploiement d’outils de traitement du signal permettant d’optimiser :
- Les rapports SNR,
- L’identification des temps de vols,
de signaux ultrasonores hautes-fréquences.
Voir aussi
2022-2026
RESISTE
Amélioration des performances des capteurs de chocs jusqu'à plus de 200 000g
Partenaires :
Institut d'Electronique, de Microélectronique et de Nanotechnologie, Laboratoire d'analyse et d'architecture des systèmes (CNRS/LAAS), Centre de Recherche sur l'Hétéro-Epitaxie et ses Applications
Financé par :
2021-2025
LOW-GAP-TPV
Matériaux et structures permettant la conversion d'énergie thermophotovoltaïque à très bas gap
Partenaires :
Conditions Extrêmes et Matériaux : Haute Température et Irradiation (CNRS/CEMHTI), Institut P': Recherche et Ingénierie en Matériaux, Mécanique et Energétique (CNRS/Pprime)