Résultats de recherche

Contact Secrétariat +32 (0)81 72 52 52 secretariat.info@unamur.be Secrétariat des étudiants Étudiants bacheliers et masters en cours du jour isabelle.daelman@unamur.be Étudiants du Certificat en Data Science, Master en Cybersecurité, Master en Architecture des systèmes informatiques « Masi » en cours du jour amelie.notaro@unamur.be Étudiants à horaire décalé et du master de spécialisation (BAGI) benjamine.lurquin@unamur.be Adresse Faculté d'informatiqueRue Grandgagnage, 21B-5000 Namur

Chaque année, la Faculté d’informatique de l'UNamur remet le Prix Jean Fichefet récompensant le meilleur mémoire de master en sciences informatiques. A partir de l'année 2022-2023, il y aura deux prix qui sont intitulés : Prix du meilleur mémoire (impact général) et (impact sociétal). 

15 septembre 2025 Au programme pour tous et toutes09h00 | Accueil au Pedro Arrupe (Rue de Bruxelles, 67 - 5000 Namur).11h00 | Célébration de la rentrée à la Cathédrale Saint-Aubain (Place Saint-Aubain - 5000 Namur) puis accueil des étudiants par les Cercles. Cours du jour Mardi 16 septembre 2025Pour les blocs 1 (Local I02)* - Séance accueil08H30 : Présentation du Doyen/Vice-Doyen (Anthony Cleve - Marie-Ange Remiche)09H00 : Présentation du SI (Cédric Aerts)09H20 : Présentation de la coordinatrice pédagogique (Fanny Boraita)09H40 : Présentation de la conseillère académique (Géraldine Grandjean)Pour les étudiants des 60 premiers crédits du bachelier (uniquement les étudiants de primo-arrivants*)10H40 (Local I02) : passeport pour le bac "mathématiques"(Florence Henry)La présence à ces séances est obligatoire.Pour les UES** et nouvel étudiant en Master (Local I33) - Séance accueil14H00 : Présentation du Doyen/Vice-Doyen (Anthony Cleve - Marie-Ange Remiche)14H30 : Présentation du SI (Cédric Aerts)14H50 : Présentation de la coordinatrice pédagogique (Fanny Boraita)15H10 : Présentation de la conseillère académique (Géraldine Grandjean)15H30 : Présentation du CSLabs (Hugo Raskin)Mercredi 17 septembre 2025Pour les blocs 1 (Local I02)*13H00 : Passeport "lire et comprendre un texte universitaire" (Alexandre Libioul)La présence à cette séance est obligatoirePour tous les étudiants : Début des cours (voir horaire)Permanences PAE17/09, 10h40-11h40 pour les NON-primo-arrivants de bloc1 : Configuration PAE (salle académique)17/09, 09h00-10h00 pour les bacheliers de bloc2 et 3: Configuration PAE (salle académique)18/09, 09h00-10h00 pour les masters : Configuration PAE (salle académique)* Étudiants primo-arrivants : Étudiants inscrits pour la première fois à un programme d'études en sciences informatiques à l'UNamur, qu'ils sortent du secondaire, d’une haute école, d'une autre université ou qu’ils soient inscrits en cours à horaire décalé. ** UES : Unités d'enseignement supplémentaires au master (année passerelle) Cours à horaire décalé Bachelier et Master 60Samedi 13 septembre 2025 - Début des coursPour les étudiants Primo-arrivants (Bloc 1 et UES) :08h30 : Accueil petit déjeuner (café, viennoiseries) dans le hall de la faculté.09h00 : Exposés du Vice-Doyen, Madame Marie-Ange REMICHE, de la conseillère académique, Madame Géraldine GRANDJEAN, du correspondant informatique, Monsieur Cédric AERTS et de la secrétaire, Madame Benjamine LURQUIN. Auditoire I02 (rez-de-chaussée de la Faculté d’Informatique). La présence à cette séance est obligatoire. La présentation de la séance d'accueil sera déposée sur le BVE par la suite.10h00 : Début des cours pour tous les étudiants Master de spécialisation en informatique et innovation : business analysis et gouvernance it Pour les étudiants concernés par les cours prérequisSamedi 13 septembre 2025 à 9h00, séminaire I22 au 2ème étage de la Faculté.Pour tous les nouveaux étudiantsDébut des cours les vendredi 17 et samedi 18 octobre 2024 à la salle académique au 4e étage de la Faculté d’Informatique, dès 8h30. Et avant la rentrée ? En plus des cours préparatoires programmés entre la mi-août et début septembre, l'Université de Namur offre la possibilité aux étudiants primo-arrivants de découvrir leur Faculté ainsi que le campus, et de participer à un forum aux services lors de 2 journées d'intégration.Exclusivement destinés aux élèves qui terminent leurs études secondaires (primo-arrivants), ces cours préparatoires sont adaptés à chaque programme universitaire.Cours préparatoires : du 18 au 28 août 2025 pour les étudiants en informatiqueEn savoir plus sur les horaires des différentes sessions et s'inscrire aux cours préparatoires...  NOUVEAU ! Pour bien vivre votre rentrée à l'Université, participez aux journées d'intégration !Vendredi 12 septembre après-midi - réservé aux primo-arrivants, gratuit, sur inscriptionVisite de votre Faculté et du campus (intégrée aux cours préparatoires si vous êtes inscrits)Barbecue et soirée Vous devez vous inscrire à ces deux activités, même si vous êtes inscrits aux cours préparatoires ! Le lien d'inscription sera disponible prochainement.Samedi 13 septembre de 10h à 16h - ouvert à tous - gratuit, accès libreForum des services : présentation des services aux étudiants (sport, culture, engagement, cellule sociale, ...), des kots à projets et des activités organisées sur le campus... 

Abstract L’apprentissage profond a révolutionné la vision par ordinateur ces dernières années et a été appliqué à de nombreux domaines. Cette thèse se concentre sur l’endoscopie médicale, où l’apprentissage profond peut aider les médecins dans de nombreuses tâches, comme la navigation dans les poumons lors d’une bronchoscopie, l’assistance à la détection des maladies pulmonaires, la détection de la maladie de Crohn à partir d’une endoscopie par capsule (PillCam), ou encore l’automatisation de la détection de polypes lors de procédures de colonoscopie.Cette thèse, intitulée From Pixels to Practice: Deep Learning for Endoscopy, étudie comment les réseaux de neurones modernes et les paradigmes d’apprentissage peuvent améliorer la compréhension visuelle en endoscopie, dans le but de contribuer à des systèmes d’aide au diagnostic (Computer-Aided Detection, CAD) intégrables dans les flux de travail cliniques.Ce travail suit une structure basée sur des articles et relie des avancées méthodologiques en modélisation géométrique et temporelle à des techniques permettant de gérer la rareté et le déséquilibre des données, ainsi qu’aux implications pratiques et cliniques de l’apprentissage profond pour la détection de tumeurs pulmonaires, tant du point de vue clinique que du point de vue des praticiens. La première partie du manuscrit fournit un socle commun à toutes les parties suivantes. Tout d’abord, nous présentons une introduction générale au domaine de l’apprentissage automatique au Chapitre 1, en expliquant des concepts tels que la classification, les fonctions de perte et les réseaux de neurones artificiels. Ensuite, le Chapitre 2 se concentre sur le domaine de l’apprentissage profond pour la vision par ordinateur, en détaillant les principales tâches de vision, le concept de réseaux de neurones convolutionnels, ResNet et U-Net. Enfin, le Chapitre 3 décrit l’imagerie médicale, avec un focus sur les scanners tomodensitométriques (CT) et l’imagerie optique. La deuxième partie de la thèse s’intéresse à l’apprentissage de représentations spatio-temporelles. Au Chapitre 4, nous utilisons des réseaux de neurones profonds combinant des caractéristiques spatiales et une récurrence temporelle pour aborder le problème de la détection de la carène bronchique, un repère anatomique qui aide les médecins à se repérer dans les poumons. En évaluant des modèles de classification (ResNet-50), de segmentation (nnU-Net) et récurrents (GRU) sur un jeu de données de bronchoscopie que nous avons créé, l’étude met en évidence les bénéfices de la combinaison d’informations issues des masques de segmentation et de caractéristiques temporelles. Le Chapitre 5 poursuit sur la tâche de segmentation en analysant dans quelle mesure des U-Net équivariants par rotation, basés sur des E(2)-CNN avec des groupes de symétrie C4, C8 et D4, peuvent améliorer les performances lorsque l’orientation des objets dans l’image est arbitraire. Ensemble, ces chapitres montrent comment la modélisation temporelle et géométrique capture des aspects complémentaires de la structure visuelle. Ils soulignent en outre que le déséquilibre et la rareté des données constituent un problème récurrent en apprentissage profond. La troisième partie étudie l’apprentissage en situation de rareté et de déséquilibre des données. Tout d’abord, le Chapitre 6 explore un pré-entraînement contrastif supervisé [1] sur de grands jeux de données endoscopiques de domaine proche (Hyper-Kvasir [2], LDPolyp [3]), transféré ensuite vers des données plus petites et spécifiques à une pathologie (Crohn-IPI [4]). Cette méthodologie donne de meilleures performances que le pré-entraînement sur ImageNet ou basé sur l’entropie croisée, ce qui met en avant la valeur de représentations contrastives spécifiques au domaine. Ensuite, le Chapitre 7 introduit leMask-Aware Cropping (MAC), une nouvelle technique d’augmentation de données qui atténue le déséquilibre au niveau des pixels en segmentation. Sur divers jeux de données présentant des régimes de déséquilibre variés (URDE [5], Kvasir-SEG [6], HAM10000 [7]), MAC améliore systématiquement les métriques Dice et IoU dans des conditions de déséquilibre extrême. Ensemble, ces méthodes forment un cadre centré sur les données pour un apprentissage efficace lorsque les annotations sont rares ou inégalement réparties. La quatrième partie de la thèse se concentre sur l’apprentissage profond au bloc opératoire. Le Chapitre 8 propose un premier modèle (ResNet-50) pour la détection visuelle du cancer du poumon en bronchoscopie, entraîné sur des données réelles, in-vivo. Le modèle dépasse les performances de médecins juniors, tout en restant inférieur à celles des experts. Ce résultat montre que les systèmes de CAD pour la détection du cancer du poumon sont prometteurs. Le Chapitre 9 prolonge ce travail en évaluant l’utilisabilité d’un système de CAD basé sur un modèle d’apprentissage profond. En combinant indices de probabilité, graphes temporels et superpositions de cartes de saillance, une évaluation multicentrique avec 10 médecins est menée. L’outil reçoit des retours favorables, avec une utilisabilité élevée (score SUS de 80,5 [8]) et une forte acceptation clinique. Au-delà de l’endoscopie, les résultats concernant l’équivariance par rotation et le déséquilibre au niveau des pixels se généralisent à d’autres domaines tels que la microscopie, la dermatologie et l’imagerie aérienne. Cela montre que les méthodes proposées sont applicables à l’apprentissage visuel sous variabilité structurée et sous contraintes de données limitées.Mots-clés : apprentissage automatique, vision par ordinateur, médecine, endoscopie, réseaux de neurones convolutionnels, segmentation, modèles récurrents, équivariance.  Jury Prof. Dumas Bruno - Université de NamurProf. Frénay Benoit - Université de NamurProf. Schobbens P-Y. - Université de NamureProf. Beuls Katrien - Université de Namur,Dr. Mertens Benjamin - Lys MédicalProf. Oramas Mogrojevo José Antonio - Université d’AnversDr. Mancas Matei - Université de Mons S'inscrire

Formulaire d'inscription Nom Prénom Adresse e-mail Assistera à la réception qui suivra la défense Oui ( optionnel ) Non ( optionnel ) Désire une vignette de parking Oui ( optionnel ) Non ( optionnel ) Souhaite un certificat pour l'assistance à la défense Oui ( optionnel ) Non ( optionnel ) Pour le traitement de votre demande, les données sans mention « optional » doivent obligatoirement être complétées. Lorsque vous soumettez ce formulaire, les données complétées sont transmises à l’UNamur et utilisées pour donner suite à votre demande. Pour en savoir plus sur la protection de vos données et sur vos droits This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

Fin novembre 2024, l’UNamur a accueilli le 23ème congrès de BENEVOL, un séminaire de recherche annuel qui donne la possibilité aux chercheurs internationaux de se rencontrer et de discuter de nouvelles idées, de questions importantes et de recherches de pointe dans le domaine du génie, de la maintenance et de l'évolution des logiciels.  

Abstract Transmission tower inspection is a crucial step in maintaining high-voltage electrical infrastructure. To perform these inspections, UAVs have proven to be a groundbreaking method for conducting such inspections. The UAV provide a fast, precise, cheap, and modular way to perform thorough audits. The next step in the transmission tower audit is to automate the analysis task. During this thesis, the goal of achieving a relative and adaptive autonomous flight for the transmission tower was attempted. In the first part of the thesis, we explain how the audits are executed. We explain the history of the UAV and describe them. We then make a small state-of-the-art Computer Vision neural network. This first part brings the basic understanding of the domain. In the second part of the thesis, we present our distinct contributions. Due to the sponsorship of this thesis, we highlight the industrial and scientific contributions. The first contribution is the creation of a platform that enables a comprehensive analysis of flights within the domain. That platform displayed flows and offered some guidance on how to perform audits more effectively. Thanks to the software, we were able to showcase the capabilities of our autonomous system in comparison to other solutions.The second scientific contribution is the creation of datasets around the domain of transmission towers. To train the machine learning algorithm, well-curated datasets were necessary. Due to the scarcity of data in that domain, we decided to study the impact of synthetic data to help train AI in computer vision. The datasets showed promising results in different ML algorithms such as UNet and Mask2Former. In some situations, hybrid dataset-trained models outperform models trained on only the physical world dataset. The third scientific contribution involves training a Convolutional Neural Network for transmission tower segmentation. This modern neural network is designed for use in an embedded computer on a UAV. The fourth contribution is the development of different flight controller algorithms during the thesis. These autopilots ranged from a more basic flight assistant for the pilot to an autonomous flight system. A large-scale comparison is done of the different flight controllers.The final scientific contribution is a study on monocular depth perception in the context of a UAV flying around a transmission tower. This study compares six state-of-the-art pre-trained models. A large data set is created using photogrammetry software to generate pixel-wise depth annotations for each image. The study compares the models using different metrics and ranks them based on their capabilities.  Jury Prof. Tuci Elio - University of Namur, BelgiumProf. Anthony Cleve - University of Namur, BelgiumProf. Pierre-Yves Schobbens - University of Namur, BelgiumProf. Alvaro Gutierrez - Universidad Politecnica de Madrid, EspagneMr. Fabian Duchesne - Qualitics SPRLProf. Anders Lyhne Christensen - SDU, Denmark Evènement public et gratuit - Inscription obligatoire Je m'inscris

School-IT, porté par la Faculté d’Informatique de l’Université de Namur, propose une mallette numérique innovante pour initier les élèves du maternel, primaire et secondaire à l’informatique. Conçue pour simplifier la tâche des enseignants, elle rassemble des activités prêtes à l’emploi, courtes et indépendantes, accompagnées de ressources pédagogiques et multimédias pour les enseignants et leurs élèves. Avec School-IT, enseigner l’informatique devient simple, concret et accessible à tous.

L'ordinateur n'est pas si malin... et en prendre conscience est essentiel pour maîtriser cet outil. Cela passe par la compréhension de son fonctionnement, de ses capacités et de ses limites.

À l’heure où la désinformation, la post-vérité et le complotisme fragilisent la confiance dans les sciences, l’UNamur accueille SPiN (Science & Philosophy in Namur), un nouveau centre de recherche interdisciplinaire qui interroge la place des sciences dans la société. Fondé en septembre dernier par Olivier Sartenaer, professeur de philosophie des sciences à l’UNamur, SPiN rassemble des philosophes et des scientifiques autour d’une vision commune : développer une réflexion critique et accessible sur les sciences dans toute leur diversité.