L'Ecole de Recherche Multimodale d'Information - Techniques & Sciences
[ERMITES],  édition VI,
se tient les 27, 28 et 29 septembre 2011, sur  Porquerolles la perle
des Iles D’Or - Var

Thème

' Décomposition parcimonieuse, abstraction et structuration
           pour l'analyse de scène acoustique complexe '

Orateurs confirmés :
Adam O. ; Bengio Y. ; Glotin H. ; Halkias X. ; Haton J.-P. ; Kowlaski
S. ; MALLAT S. : Razik J. ; Stylianou Y.

Organisée par le projet DYNI de l'UMR LSIS.
Soutenue par l'INRIA, CNRS LSIS, GDRI3-ARIA, AFCP, USTV.
Sous le patronage de la Fédération de Recherche en Informatique et
Interactions d’Aix-Marseille (FRIIAM)
et du PEPS IN2SI DYNI 'Indexation robuste à l’échelle'.

Les participants peuvent soumettre un résumé de leurs travaux, qui si
accepté sera présenté durant ERMITES et publié dans les actes.

-- PROGRAMME --
Ouverture dès 10h le 27 septembre, centre IGESA Porquerolles

*
J.-P. Haton  - Pr univ. Nancy - LORIA & IUF - http://www.loria.fr/~jph/

'Analyse de scène et reconnaissance stochastique de la parole'

Les difficultés spécifiques pour la reconnaissance de la parole sont
nombreuses: nombre variable de locuteurs connus ou inconnus,
microphones distants, bruit ambiant, effets liés aux locaux (écho,
réverbération).
Cet exposé rappelle les principes de la reconnaissance automatique de
la parole et présentera les niveaux fonctionnels d'un système : prise
de son, paramétrisation, analyses syntaxiques et sémantiques. Nous
insisterons sur les modèles stochastiques actuellement les plus
performants pour la reconnaissance de la parole.


*
Y. Stylianou – Pr univ. de Crête – ICS -
http://www.ics.forth.gr/netlab/stylianou.html

'Adaptive AM-FM decomposition of signals with applications to speech'

I will present an adaptive AM-FM decomposition of signals and will
comment its application to speech analysis, synthesis, and
modifications.
As an introduction, I will present the classic Sinusoidal model
showing its limitations in modeling non-stationary signals like
speech.
Then the iterative adaptive AM-FM decomposition algorithm will be
presented in the context of time-varying multi-component signals and
robustness issues against wrong initial conditions/hypotheses and
additive noise will be discussed on synthetic signals. Focusing in
speech, it will be shown that this decomposition results in a
high-resolution
time frequency representation of speech. Comparisons with Gauss-Newton
and Reassigned Spectrogram approaches will be presented.
Finally, possible applications on signals other than speech, like in
vocalizations from marine mammals will be shortly discussed.


*
M. Kowlaski - MC univ. Paris XI - L2S -
http://web1.lss.supelec.fr/perso/kowalski/

'Parcimonie et structures pour les décompositions des signaux dans des
dictionnaires temps-fréquence'

Les décompositions parcimonieuses et structurées des signaux dans des
dictionnaires de formes d'ondes peuvent s'obtenir par un modèle
explicite dans le domaine des coefficients.
On s'intéresse dans une première partie aux approches variationnelles,
où les normes mixtes permettent d'introduire des couplages sur les
coefficients préalablement organisés en groupes. L'optimisation des
fonctionnelles s'effectue alors par des algorithmes de seuillage
itératifs. En modifiant directement les opérateurs de seuillage, on
peut introduire plus de flexibilité sur le couplage des coefficients,
en particulier grâce à un Group-Lasso fenêtré.
Dans une seconde partie, on regardera des modèles de type
Bernoulli-Gaussien, éventuellement multi-varié, pour la décomposition
hybrides des signaux (aussi appelée décomposition en composantes
morphologiques). Une telle approche à l'avantage de fournir un
seuillage adaptatif des coefficients, et ainsi de s'affranchir des
réglages parfois fastidieux d'hyper-paramètres intervenant dans les
approches variationnelles.


*
Y. Bengio - Pr univ. Montréal - LISA -
http://www.iro.umontreal.ca/~bengioy/yoshua_en/

'Deep Unsupervised Learning of Representations'

Deep Unsupervised Learning of Representations et ferait un survol de
découvertes récentes dans le domaine de l'apprentissage non-supervisé
de représentations (surtout pour les images, transposable à
l'acoustique).
Nous montrerons en particulier cette approche dans le but d'apprendre
des abstractions de plus en plus haut niveau, et de découvrir les
facteurs explicatifs des variations présentes dans les données.


*
S. Mallat - Ecole X, CMAP - http://www.cmap.polytechnique.fr/~mallat/

'Scattering & Matching Pursuit for Acoustic Sources Separation'

Signal classes are usually invariant to groups of operators such as
translations or scalings, and to larger Lie groups of deformations.
Invariants and dimensionality reduction play major roles for
classification, as opposed to sparse complete representations.
Constructing invariants while keeping discriminant information deeply
constraints the representation. We introduce a non-linear invariant
representation, that reminds quantum scattering. It is implemented
through the architecture of a deep neural network, but learning is
needed at a single layer, and computed with O(N) operations. State of
the art results are shown for object classification of deformed
patterns and random textures. Part of this work is described in
http://arxiv.org/abs/1011.3023 .


*
J. Razik - MC univ. USTV LSIS - http://razik.univ-tln.fr/

'Apprentissage de dictionnaire : de la parole humaine au chant de baleine'

L'utilisation des méthodes de dictionary learning non supervisé a
montré dans le domaine de l'image être la méthode de l'état de l'art
pour des tâches de classification. Dans le domaine de la parole, nous
avons montré que ces méthodes permettent également de dépasser les
classiques modèles GMM en reconnaissance de phonèmes, tout en restant
non supervisé. Nous avons également étudié l'apprentissage non
supervisé par dictionary learning dans le cadre de l'analyse et la
découverte d'un lexique associé au chant des baleines. L'objectif est
d'obtenir des descripteurs plus génériques et plus efficaces que ceux
habituellement extraits. Ceci permet également de déterminer des
formes récurrentes dans la structure des chants entre les différents
individus d'une population et sur plusieurs années. Ces travaux menés
en collaboration avec S. Paris et H. Glotin sont illustrés de
démonstrations.


*
X. Halkias - Columbia univ., Rosa Lab & post-doc DYNI Univ. Sud-Toulon Var

'Detection and Tracking of Dolphin Vocalizations'

Audio processing has widely affected the field of animal bioacoustics.
Many audio engineers are now using their knowledge to advance ou r
understanding of the world that surrounds us and especially that of
animals. This work falls into that category, where the principles of
signal processing, communication theory and machine learning are used
to analyze the clandestine world of marine mammals and specif ically
dolphins.
In this talk, several algorithms are proposed for the successful
detection of dolphin calls in long recordings. Starting with the
simple and widely used thresholding detectors, several advancements
are proposed, based on the data, leading to more intricate classifiers
like Support Vector Machines (SVM) that are known for their
robustness.
Lastly, two systems for pitch extraction are provided. The first
system is based on a probabilistic framework and deals with the
extraction of dolphin whistle calls while providing a first attempt on
resolving simple overlaps. The second system assumes that the desired
calls have already been detected and proceeds to identify the pitch
for both whistle and burst calls using hierarchically driven Hidden
Markov Models (HMM).


*
O. Adam - Pr univ. Paris6 - LAM (Equipe Lutherie Acoustique Musicale)
et CNPS (Centre de Neuroscience de Paris-Sud) -
http://www.cb.upsud.fr/Olivier.htm

'Estimation de densité de population de baleine par analyse de leurs chants'

L’étude des cétacés passe par leurs observations. Plusieurs méthodes
sont possibles et récemment le recours à l’acoustique passive a montré
un grand intérêt, soit pour des observations d’espèces discrètes et/ou
pour des observations à distance et/ou pour des observations
continues.
Les techniques développées, relevant de l’acoustique sous-marine,
l’instrumentation, du traitement du signal, de la reconnaissance des
formes, ont pour but de détecter les sons émis par ces mammifères
marins, de les classer, et de localiser lorsque cela est possible.
Nous présenterons une nouvelle activité dans ce domaine qui consiste à
estimer la taille du groupe de cétacés à partir de leurs émissions
sonores et des extrapolations statistiques. Plusieurs exemples sur
différentes espèces seront présentés comme illustrations.


*
H. Glotin - Pr univ. USTV - LSIS & IUF - http://glotin.univ-tln.fr

'Suivi de cachalot par acoustique passive'

Nous posons la problématique de l'analyse de scène acoustique au
travers de la structuration de signaux bioacoustiques acquis dans des
conditions variables. Nous nous intéresserons essentiellement au plus
grand des odontocètes, le cachalot (45 tonnes, 18 mètres de long). Cet
extraordinaire plongeur, qui sonde plus d'une heure à moins 2000
mètres, possède le biosonar le plus puissant.
Avec plusieurs canaux (ici 4 hydrophones), nous montrons qu'il est
possible de reconstruire la trajectoire de ses plongées écoutées à
plusieurs kilomètres (voir démonstrations 3D
http://glotin.univ-tln.fr/PIMC/DEMO et
http://lsis.univ-tln.fr/tcan/pimc/ ).
Nous montrons aussi que d'autres informations sont mesurables sur un
seul canal, comme la taille de l’animal, son comportement. Des
démonstrations sont faites sur des signaux que nous avons enregistrés
au large de Porquerolles cette année, et sur des bases de référence de
la communauté bioacoustique enregistrés au large des Bahamas par
l'AUTEC

==

Inscription :

Les pré-inscriptions sont ouvertes dès maintenant par simple email à
ermites@univ-tln.fr renseignant le type d'inscription, votre
téléphone, email et affiliation.
Les places seront limitées aux trente premiers à avoir validé leur
inscription par paiement à l'AFCP avant le 26 août (détails :
http://glotin.univ-tln.fr/ERMITES11 ).

==

Tarifs :

A/  Formule pension complète (incluant 2 nuitées, 5 repas, 2 pts déj,
pauses café / boissons, actes papier, en chambre studio 2 lits / salle
de bain) :
A1/ Doctorant, Postdoc, Master = 280 euros,
A2/ Autre = 410 euros.

B/  Formule journée avec repas midi, actes, pauses café / boisson :
B1/ Doctorant, Postdoc, Master = 70 euros,
B2/ Autres = 100 euros.

==

Comité de Programme :
H. Glotin (prés.), Pr univ. Sud-Toulon Var & IUF, LSIS DYNI
S. Paris, MC univ. Aix-Marseille, LSIS DYNI
J. Razik, MC univ. Sud-Toulon Var, LSIS DYNI
Y. Bengio, Pr univ. Montréal, LISA
S. Mallat, Ecole Polytechnique
O. Adam, Pr univ. Paris VI, LAM
Y. Stylianou, Pr univ. de Crête
J.-P. Haton, univ. Nancy & IUF, LORIA

Comité d’Organisation :
S. Paris (prés.)
J. Razik
H. Glotin
F. Chamroukhi, MC USTV, LSIS DYNI
R. Abeille, doctorant USTV, LSIS DYNI
M. Chouchane, doctorant, LSIS DYNI
R. Delaye, ingénieur du son,
P. Machart, doctorant LSIS DYNI & LIF
F. Bénard, doctorant LSIS DYNI
Y. Doh, master, LSIS DYNI

==

Contexte général d'ERMITES :
L’Ecole Recherche Multimodale d’Information : Technologies et Sciences
fait intervenir, sur 3 jours, devant des chercheurs et ingénieurs en
devenir, une dizaine de spécialistes qui travaillent sur les analyses
conjointes de textes, images, sons et vidéos pour en extraire de
l’information. La recherche d’information est de plus en plus complexe
et hasardeuse compte tenu du volume sans cesse croissant des
informations disponibles et de leur nature multimodale (images, sons,
musique, parole, bio-acoustique, vidéos…). Nous avons décidé
d’organiser ERMITES 2011 avec l'USTV, le support de l'UMR Laboratoire
des Sciences de l’Information et des Systèmes (LSIS), du CNRS, de
l'INRIA, du GDRI3-ARIA, du CNRS et LSIS, afin :
- d’analyser les dernières avancées théoriques, et pratiques, des
systèmes robustes de recherche d’information multimodale de grande
dimension et sur des masses de données,
- de montrer que ces nouveaux outils forment une base pour une domaine
plus vaste que celui  d’origine pour lequel ils ont été développés
(plus particulièrement leur application au domaine audio et
audio-vidéo),
- de sensibiliser les jeunes scientifiques au vaste champ scientifique
mis en jeu par ces nouvelles avancées aux problèmes de fiabilité,
robustesse, apprentissage, sous contrainte du passage à l'échelle.
Chaque spécialiste présentera un condensé de son savoir. L'esprit
d’ERMITES étant de mettre l'accent sur les analyses jointes
(transversales sur diverses modalités), ceci étant un défi majeur et
encore peu pris en compte par la majorité des équipes qui restent
plutôt dans le pré carré de leur spécialité de départ.

Site web de l'édition 2010 avec actes audiovisuels :
http://glotin.univ-tln.fr/ERMITES10

SITE WEB 2011 : http://glotin.univ-tln.fr/ERMITES11