François Chung, Ph.D.

Tag: 2013

UREBA Exceptionnel

UREBA Exceptionnel

|

Proyecto E²=MC @Jambes, Bélgica (2013). Las subvenciones UREBA Exceptionnel son concedidas por la Región Valona (BE) para la ejecución de obras, tales como la compra e instalación de materiales y equipos, cuyo objetivo es mejorar la eficiencia energética y el uso racional de la energía en los edificios. Estas subvenciones están destinadas a personas de derecho público y organizaciones no comerciales, tales como los municipios, las escuelas y los hospitales.

Las principales obras que se tienen en cuenta por estas subvenciones incluyen:

  • el aislamiento térmico de las paredes del edificio;
  • el cambio o la mejora del sistema de calefacción;
  • la mejora del sistema de iluminación;
  • la instalación de un sistema de calefacción de distrito.

Los criterios de análisis utilizados para evaluar tanto la pertinencia como la eficacia de las obras propuestas son:

  • las características técnicas;
  • las hipótesis de trabajo;
  • el dimensionamiento de las obras;
  • el ahorro de energía;
  • la reducción de las emisiones contaminantes (p. ej. CO2 y SO2);
  • la evaluación económica (p. ej. los costes y el retorno de la inversión);
  • la relevancia de las técnicas elegidas;
  • las normas y códigos de buena conducta.

Como Consultor en Eficiencia Energética, mi trabajo consiste en el análisis de estos criterios técnicos, energéticos y económicos para determinar la elegibilidad de las obras propuestas en función de su relevancia, y luego clasificarlas en función de su eficiencia energética.

Referencias

CVIU 2013 - Artículo de revista científica

CVIU 2013 – Artículo de revista científica

|

Publicación

François Chung, Hervé Delingette; Regional appearance modeling based on the clustering of intensity profiles; In: Computer Vision and Image Understanding (CVIU), 117 (6), pp. 705-717, 2013.

Abstract

Model-based image segmentation is a popular approach for the segmentation of anatomical structures from medical images because it includes prior knowledge about the shape and appearance of structures of interest. This paper focuses on the formulation of a novel appearance prior that can cope with large variability between subjects, for instance due to the presence of pathologies. Instead of relying on Principal Component Analysis (PCA) such as in Statistical Appearance Models (SAMs), our approach relies on a multimodal intensity profile atlas from which a point may be assigned to several profile modes consisting of a mean profile and its covariance matrix. These profile modes are first estimated without any intra-subject registration through a boosted Expectation-Maximization (EM) classification based on spectral clustering. Then, they are projected on a reference mesh whose role is to store the appearance information in a common geometric representation. We show that this prior leads to better performance than the classical monomodal PCA approach while relying on fewer profile modes.

Palabras clave

  • appearance modeling
  • medical imaging
  • model-based image segmentation
  • unsupervised clustering

Referencias

Publicación

Versión publicada (ScienceDirect)
Versión pre-print (PDF)
Referencia bibliográfica (BibTeX)

Artículos relacionados

3D Anatomical Human (proyecto INRIA)
Ph.D. Thesis 2011 (tesis doctoral)

APIFRESH

APIFRESH

|

Proyecto Inspiralia @Madrid, España (2013). La competitividad del sector apícola europeo se va cayendo debido a la reducción de la producción como consecuencia de la disminución de la población de abejas. Además, los productos de países con estándares de calidad inferiores están ganando partes de mercado en Europa a través de una competencia desleal. A todo eso se suma una falta actual de normas a nivel europeo para ciertos productos de la colmena.

Esto significa que es posible encontrar en el mercado productos con estas etiquetas sin ningún control de calidad y autenticidad. Pocos países en Europa disponen de unas pautas o normas regionales para los productos distintos de la miel, lo que se traduce en una falta de estandarización a nivel europeo.

Por lo tanto, los objetivos del proyecto APIFRESH son tres:

  • desarrollar normas europeas para el polen de abeja y la jalea real;
  • establecer criterios de salud relevantes para el polen y la jalea real;
  • determinar la autenticidad del polen y de la miel.

Los socios de este proyecto son:

  • Balparmak (TR);
  • Campomiel (ES);
  • Centro Agrario de Marchamalo (ES);
  • CTC - Centro Tecnológico Nacional de la Conserva y Alimentación (ES);
  • EPBA - European Professional Beekeepers Association (EU);
  • FNAP - Federação Nacional dos Apicultores de Portugal (PT);
  • Inspiralia (ES);
  • OMME - Országos Magyar Méhészeti Egyesület (HU);
  • Parco Tecnologico Padano (IT);
  • TÜBITAK-MAM - Türkiye Bilimsel ve Teknolojik Araştırma Kurumu-Marmara Araştırma Merkezi (TR).

En este proyecto, mi trabajo consiste en el desarrollo de un software para la clasificación y la autenticación del polen de abeja. Primero, las cargas de polen de abeja capturadas a partir de una cámara están separadas por tipo de polen utilizando una clasificación basada en el color. Segundo, un microscopio se utiliza para capturar una imagen precisa de los granos de polen a partir de la cual se extraen características discriminativas para identificar el origen del polen, es decir, considerando el grano de polen como perteneciente a un tipo conocido (clasificación) o a un tipo desconocido (autenticación).

Referencias

Artículos relacionados

EUE 2017 (libro)
COMPAG 2015 (artículo de revista científica)
Micron 2015 (artículo de revista científica)
Inspiralia 2013 (informe técnico)
Inspiralia 2012 (informe técnico)

Más información

APIFRESH
Inspiralia

Inspiralia 2013 - Informe técnico

Inspiralia 2013 – Informe técnico

|

Publicación

François Chung, Tomás Rodríguez; A general framework for multi-focal image classification and authentication: Application to microscope pollen images; Inspiralia, Madrid, 2013.

Abstract

In this article, we propose a general framework for multi-focal image classification and authentication, the methodology being demonstrated on microscope pollen images. The framework is meant to be generic and based on a brute force-like approach aimed to be efficient not only on any kind, and any number, of pollen images (regardless of the pollen type), but also on any kind of multi-focal images. All stages of the framework's pipeline are designed to be used in an automatic fashion. First, the optimal focus is selected using the absolute gradient method. Then, pollen grains are extracted using a coarse-to-fine approach involving both clustering and morphological techniques (coarse stage), and a snake-based segmentation (fine stage). Finally, features are extracted and selected using a generalized approach, and their classification is tested with four classifiers: Weighted Neighbor Distance, Neural Network, Decision Tree and Random Forest. The latter method, which has shown the best and more robust classification accuracy results (above 97% for any number of pollen types), is finally used for the authentication stage.

Palabras clave

  • generalized feature extraction
  • image classification
  • microscope images
  • optimal focus selection
  • pollen authentication
  • Random Forest
  • snake-based segmentation
  • supervised clustering

Referencias

Publicación

Versión publicada (arXiv)
Versión publicada (PDF)
Referencia bibliográfica (BibTeX)

Artículos relacionados

APIFRESH (proyecto Inspiralia)
EUE 2017 (libro)
Inspiralia 2012 (informe técnico)

Learn more

Inspiralia

Idiomas

Artículos recientes

Categorías

Noticias

Lo reciente & Lo popular

Búsqueda