 | Monter d'un niveau |
Réseau de collaborationCe graphique trace les liens entre tous les collaborateurs des publications de {} figurant sur cette page.
Chaque lien représente une collaboration sur la même publication. L'épaisseur du lien représente le nombre de collaborations.
Utilisez la molette de la souris ou les gestes de défilement pour zoomer à l'intérieur du graphique.
Vous pouvez cliquer sur les noeuds et les liens pour les mettre en surbrillance et déplacer les noeuds en les glissant.
Enfoncez la touche "Ctrl" ou la touche "⌘" en cliquant sur les noeuds pour ouvrir la liste des publications de cette personne.
Nuage de motsUn nuage de mots est une représentation visuelle des mots les plus fréquemment utilisés dans un texte ou un ensemble de textes. Les mots apparaissent dans différentes tailles, la taille de chaque mot étant proportionnelle à sa fréquence d'apparition dans le texte. Plus un mot est utilisé fréquemment, plus il apparaît en grand dans le nuage de mots. Cette technique permet de visualiser rapidement les thèmes et les concepts les plus importants d'un texte.
Dans le contexte de cette page, le nuage de mots a été généré à partir des publications de l'auteur {}. Les mots présents dans ce nuage proviennent des titres, résumés et mots-clés des articles et travaux de recherche de cet auteur. En analysant ce nuage de mots, vous pouvez obtenir un aperçu des sujets et des domaines de recherche les plus récurrents et significatifs dans les travaux de cet auteur.Le nuage de mots est un outil utile pour identifier les tendances et les thèmes principaux dans un corpus de textes, facilitant ainsi la compréhension et l'analyse des contenus de manière visuelle et intuitive.
Bengio, Y., Gupta, P., Maharaj, T., Rahaman, N., Weiss, M., Deleu, T., Muller, E., Qu, M., Schmidt, V., St-Charles, P.-L., Alsdurf, H., Bilanuik, O., Buckeridge, D., Caron, G. M., Carrier, P.-L., Ghosn, J., Ortiz-Gagne, S., Pal, C., Rish, I., ... Williams, A. (mai 2021). Predicting infectiousness for proactive contact tracing [Communication écrite]. 9th International Conference on Learning Representations (ICLR 2021), Vienna, Austria (21 pages). Lien externe
Bilodeau, G.-A., Torabi, A., St-Charles, P.-L., & Riahi, D. (2014). Thermal-visible registration of human silhouettes: A similarity measure performance evaluation. Infrared Physics & Technology, 64, 79-86. Lien externe
Chen, G., St-Charles, P.-L., Bouachir, W., Bilodeau, G.-A., & Bergevin, R. (septembre 2015). Reproducible evaluation of Pan-Tilt-Zoom tracking [Communication écrite]. IEEE International Conference on Image Processing (ICIP 2015), Québec City, QC, Canada. Lien externe
Nguyen, D.-L., St-Charles, P.-L., & Bilodeau, G.-A. (juin 2016). Non-planar Infrared-Visible Registration for Uncalibrated Stereo Pairs [Communication écrite]. 29th IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW 2016), Las Vegas, Nevada. Lien externe
St-Charles, P.-L., Bilodeau, G.-A., & Bergevin, R. (2019). Online Mutual Foreground Segmentation for Multispectral Stereo Videos. International Journal of Computer Vision, 127(8), 1044-1062. Lien externe
St-Charles, P.-L. (2018). Segmentation mutuelle d'objets d'intérêt dans des séquences d'images stéréo multispectrales [Thèse de doctorat, École Polytechnique de Montréal]. Disponible
St-Charles, P.-L., Bilodeau, G.-A., & Bergevin, R. (octobre 2017). Mutual foreground segmentation with multispectral stereo pairs [Communication écrite]. 16th International Conference on Computer Vision (ICCV 2017), Venice, Italy. Lien externe
St-Charles, P.-L., Bilodeau, G.-A., & Bergevin, R. (juin 2016). Fast Image Gradients Using Binary Feature Convolutions [Communication écrite]. IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW 2016), Las Vegas, Nevada. Lien externe
St-Charles, P.-L., Bilodeau, G.-A., & Bergevin, R. (2016). Universal Background Subtraction Using Word Consensus Models. IEEE Transactions on Image Processing, 25(10), 4768-4781. Lien externe
St-Charles, P.-L., Bilodeau, G.-A., & Bergevin, R. (juin 2015). Online multimodal video registration based on shape matching [Communication écrite]. IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW 2015), Boston, MA. Lien externe
St-Charles, P.-L., Bilodeau, G.-A., & Bergevin, R. (janvier 2015). A self-adjusting approach to change detection based on background word consensus [Communication écrite]. 15th IEEE Winter Conference on Applications of Computer Vision (WACV 2015), Waikoloa, HI, United states. Lien externe
St-Charles, P.-L., Bilodeau, G.-A., & Bergevin, R. (2015). SuBSENSE: A universal change detection method with local adaptive sensitivity. IEEE Transactions on Image Processing, 24(1), 359-373. Lien externe
St-Charles, P.-L., Bilodeau, G.-A., & Bergevin, R. (juin 2014). Flexible background subtraction with self-balanced local sensitivity [Communication écrite]. IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW 2014), Columbus, OH, United states. Lien externe
St-Charles, P.-L., & Bilodeau, G.-A. (mars 2014). Improving background subtraction using Local Binary Similarity Patterns [Communication écrite]. IEEE Winter Conference on Applications of Computer Vision (WACV 2014), Steamboat Springs, Col., USA. Lien externe
