Explore les signaux de débruitage avec des modèles de mélange gaussien et l'algorithme EM, l'analyse de signal EMG et la segmentation d'image à l'aide de modèles markoviens.
Explore la composition, la mise en commun, la continuité, la dénigrement et les architectures CNN populaires pour la segmentation de l'image dans le traitement de l'image.
Explore les transitions de phase dans le traitement du signal, démontrant leur impact sur la reconstruction du signal et l'application d'algorithmes de seuil dans le débruitage d'image.
Explore la moyenne de voisinage, le lissage gaussien, le filtrage médian, l'amélioration du contraste et la détection des bords dans le traitement d'image.
Explore l'imagerie adaptée à la physique pour les caméras sans objectif et la vidéographie basse lumière, y compris le développement de modèles de bruit et les techniques de dénigrement.
S'oriente vers l'approximation du réseau neuronal, l'apprentissage supervisé, les défis de l'apprentissage à haute dimension et la révolution expérimentale de l'apprentissage profond.