Littérature scientifique sur le sujet « Caractéristiques spatio-Temporelles »

Résumé Cet article présente une analyse approfondie des caractéristiques spatio-temporelles de la migration interprovinciale au Canada réalisée sur la base de données longitudinales tirées du fichier des allocations familiales. La méthodologie utilisée fait appel au modèle log-linéaire sous-jacent à la notion de tableau de contingence, lequel modèle autorise une représentation simple des données observées à l’aide de paramètres caractéristiques des diverses interactions possibles entre les variables concernées (variables d’origine, de destination et de temps dans le cas présent). Dans une première étape, un examen comparé de la performance des diverses variantes non saturées (variantes où manquent un ou plusieurs des paramètres pertinents) permet de clarifier l’influence globale de chacune des variables. Dans une deuxième étape, cette influence est précisée à l’aide d’une investigation détaillée des paramètres relatifs à la variante de quasi-indépendance, c’est-à-dire, la variante où seul l’effet d’interaction s’exerçant entre les trois variables est ignoré. Outre la suggestion que les variables d’origine et de destination ne sont pas indépendantes (résultat qui confirme la nécessité de mettre l’accent sur les courants migratoires dans l’étude de la migration), cette investigation met en avant quelques conclusions sur les variations temporelles de la migration interprovinciale.

Cet article présente les caractéristiques spatio-temporelles de l’humidité des sols à l’échelle de la France entre deux sous-périodes (1959-1987 et 1988-2019). Les principaux résultats montrent un assèchement généralisé des sols, surtout au printemps et en été, notamment pour trois secteurs : le sud-ouest, le nord-est et le pourtour méditerranéen. L’assèchement des sols peut s’expliquer par un important réchauffement des températures, généralisé et significatif à l’échelle de l’ensemble du territoire, mais bien plus marqué dans le sud-ouest et le nord-est, au printemps et en été. Cette élévation importante des températures entre les deux sous-périodes semble expliquer une très forte hausse de la demande évaporatoire de l’atmosphère, extrêmement marquée du printemps à la fin de l’été. Cette augmentation de l’évapotranspiration potentielle est ici présentée comme un des facteurs déterminant de l’assèchement des sols et de l’aggravation du risque de sécheresses agricoles liés au réchauffement climatique.

Nous avons étudié la dispersion (vitesse, durée, distance) d'alevins de saumon atlantique à l'émergence dans un ruisseau expérimental. Le rythme journalier de dévalaison suit étroitement le rythme d'émergence des alevins, ce qui montre une bonne corrélation entre les deux activités, tout au moins en début de période. Les histogrammes de capture des alevins échantillonnés tous les 10 m présentent des caractéristiques de forme similaires (durée, asymétrie et aplatissement). Jusqu'au pic des captures, près de 50 % des alevins dévalent en 5 jours. Ils se dispersent à partir de la frayère sur 50 m en 3 ou 4 nuits et forment une cohorte homogène d'après leur rythme de dévalaison et leur taille. Après le mode, les captures sont plus étalées dans le temps (environ 10 jours) et montrent plus de variabilité en fonction de la distance. Les alevins résidents ne sont pas distribués uniformément dans les cinq biefs : les densités, de même que les poids moyens, tendent à augmenter vers l'aval. Plus de 50 % de la population d'alevins survivants s'est établi dans les 50 m en aval de la frayère. Les résultats révèlent deux vagues de dévalants. La première vague de dispersion, aussitôt après l'émergence, est rapide et importante. Elle ne dépendrait pas directement de la compétition territoriale et de la densité, mais permettrait d'éviter des densités localement trop élevées et d'utiliser plus efficacement les zones productives situées en aval de la frayère. La deuxième vague d'alevins dévalants correspondrait aux émergents tardifs et aux poissons soumis aux effets de la compétition territoriale.

En région Île-de-France, l'activité professionnelle des mères ayant de jeunes enfants à charge varie au sein de l'espace: en prenant l'exemple des femmes vivant avec un conjoint « cadre » ou « ouvrier », on observe que, quel que soit le nombre d'enfants, le taux d'activité des mères dans le centre est toujours supérieur à celui des mères résidant en périphérie. La diminution est particulièrement sensible pour les mères ayant trois enfants ou plus. Le nombre d'enfants est une variable moins discriminante de l'activité des femmes de « cadres » vivant à Paris que de celle de leurs homologues vivant en périphérie. En effet, grâce à leurs caractéristiques spatiales, le centre de la région et sa proche banlieue représentent des espaces plus adaptés à l'insertion professionnelle des mères que la banlieue extérieure ou la périphérie. Les choix restreints dans le domaine du logement et de sa localisation de même que les contraintes spatio-temporelles ont sans doute renforcé la détermination des femmes à refuser une troisième naissance.

Une étude microbiologique et chimique a été menée pendant un an sur les eaux de sources et de puits de Yaoundé (Cameroun). Les analyses microbiologiques ont été faites suivant la technique des membranes filtrantes, et les analyses chimiques, suivant les techniques analytiques usuelles. Les abondances maximales mensuelles de Pseudomonas aeruginosa et de Aeromonas hydrophila varient respectivement de 1 à 22x103 UFC.100 ml-1 d'eau, et de 1 à 7,8x103 UFC.100 ml-1. Ces abondances bactériennes subissent d'amples fluctuations spatio-temporelles. Les eaux de sources et de puits analysées sont faiblement bicarbonatées, douces et présentent une minéralisation faible à moyenne. Le pH varie de 3 à 5 et les concentrations en CO2 dissous, de 300 à 532 mg.l-1. Un bon nombre des caractéristiques chimiques de ces eaux est relativement stable au cours du temps, en dépit des fluctuations spatiales apparentes. Le degré de corrélation entre les paramètres chimiques et la dynamique d'abondance des bactéries isolées, est hétérogène. Cela est nettement plus marqué dans les eaux de puits, en raison des conséquences de l'exploitation humaine de ces eaux, à l'origine d'apports allochtones divers.

RÉSUMÉ Les caractéristiques spatio-temporelles de la neige en été, en Ungava, ont été étudiées par photo-interprétation. Les photographies analysées ont été extraites de lignes de vol choisies en fonction de leur date et de leur localisation ou selon un échantillonnage effectué d'après la grille de référence des cartes topographiques à 1/50 000 du Canada. Sur les photographies, on a calculé la superficie couverte par la neige ou le nombre de plaques de neige. Les résultats indiquent que les surfaces enneigées varient d'un été à l'autre, selon l'importance des chutes de neige survenue l'hiver précédent. Les hivers les plus neigeux ont des températures un peu moins froides et des flux atmosphériques du nord-est plus importants. En été, le résidu nival le plus important se situe au sud des côtes du détroit d'Hudson. Le résidu nival disparaît progressivement, entre les mois de juin et d'août, du sud-ouest vers le nord-est de l'Ungava. Actuellement, la surface occupée par la neige en été semble plus importante que pendant les années 1950, du moins le long de la côte ouest de la baie d'Ungava. En période d'englaciation, la côte sud du détroit d'Hudson pourrait être un lieu favorable à la naissance d'une calotte glaciaire.

L'évolution spatio-temporelle, qualitative et quantitative du peuplement phytoplanctonique a été suivie au lac municipal de Yaoundé. Pour cela des prélèvements hebdomadaires ont été effectués de novembre 1996 à décembre 1997, au niveau d'une station de la zone centrale du lac.Trois descripteurs (indice de diversité spécifique, régularité et diagrammes rangs-fréquences) ont été utilisés pour l'analyse de la dynamique de la structure du peuplement. L'indice de diversité spécifique obtenu à partir des biomasses spécifiques, par la formule dérivée de celle de SHANNON et WEAVER (1949), est compris entre 0,68 et 4,64 bits/µg. La régularité (PIELOU, 1966) varie de 0,14 à 0,84; les faibles valeurs correspondant dans l'ensemble à la présence des espèces fortement dominantes. Les profils des diagrammes rangs-fréquences, établis en coordonnées log-log, associés aux faibles valeurs de la diversité, sont essentiellement caractéristiques des stades pionniers (1 et 1') de l'évolution d'un lac tel que décrits par MARGALEF (1967) et FRONTIER (1976). Le stade 2 est rare alors que le stade 3 est absent. Une analyse simultanée basée sur les variations spatio-temporelles de la densité cellulaire et de l'indice de diversité spécifique, sur les valeurs de la régularité, et sur les profils des diagrammes rangs-fréquences révèle le caractère immature permanent des populations phytoplanctoniques inféodées à ce biotope, et caractérise ainsi un milieu eutrophe à hypereutrophe où aucun stade d'équilibre n'est atteint. La richesse du milieu en éléments biogènes et sa faible profondeur (Zmax=4,3 m) sont à l'origine de sa vulnérabilité. L'événement susceptible d'interrompre la succession des populations s'est avéré être le brassage des eaux, provoqué aussi bien par les pluies que les vents dont l'énergie cinétique est fréquemment suffisante pour entraîner un brassage complet d'une colonne d'eau de hauteur aussi faible.

Les nauplii de copépodes sont abondants dans les milieux aquatiques en zone tropicale et présentent des caractéristiques biochimiques et physiques intéressantes qui font d’eux, une bonne alternative et/ou un supplément de nourriture pour les larves de poissons. Tous les facteurs environnementaux gouvernant leur variation peuvent avoir un impact sur le succès de reproduction et le développement de ces larves de poissons. Ce travail vise principalement à connaître les variations spatio-temporelles de l’abondance des nauplii de copépodes dans les milieux lagunaires de Côte d’Ivoire en relation avec les paramètres physico-chimiques de ces écosystèmes saumâtres afin d’en identifier le déterminisme. Cette étude montre que l’abondance des nauplii varie significativement durant les saisons, avec les valeurs moyennes de la saison sèche (12-98 ind.l-1) supérieures à celle de la saison humide (9-88 ind.l-1). Nos résultats montrent également qu’au niveau des lagunes de Grand-Lahou et de Fresco, les abondances les plus faibles ont été enregistrées au niveau de la zone de communication entre la lagune et la mer (canal) à toutes les saisons. L’étude de la corrélation entre les paramètres physico-chimiques et l’abondance des nauplii des copépodes montre que l’abondance des nauplii augmente avec la température, la conductivité, l’oxygène dissous, le nitrite, l’ammonium avec une corrélation significativement positive (Rs: 0,21-0,94 et p < 0,001). En revanche, l’abondance des nauplii montre une corrélation négative et non significative à la turbidité et au pH dans tous les milieux d’étude (Rs: -0,03 à -0,62 et p > 0,05).

Les premiers botanistes anatomistes n'avaient pu décrire de glandes endocrines à l'image de celles observées et fonctionnelles dans des organismes animaux, disposant d'un système sanguin irriguant tous leurs organes. Le concept d'hormone végétale n'émergea qu'avec les recherches sur les tropismes et la perceptibilité particulière des apex (aussi bien caulinaires que racinaires), aussi avec la découverte de la distribution polarisée, et des croissances sous-jacentes engendrées, d'où le terme premier d'hormone (sinon de substance) de croissance. L'agriculture se mit à rechercher des composés synthétiques en quête d'activités contrôlées... et plus efficaces, et en trouva. L'application externe des unes et des autres sur différents organes sous diverses conditions expérimentales aboutit progressivement à plusieurs découvertes et conclusions importantes pour la suite des recherches. Une même substance peut avoir des effets positifs et négatifs sur la croissance différant en importance selon la supposée "sensibilité" des organes traités, mais surtout selon les concentrations utilisées. Dans la partie "inhibition" des courbes dose-réponse caractéristiques, on parla de concentrations "sus-optimales" atteintes de l'hormone en question, mais rares furent ceux qui vérifièrent que la dite hormone appliquée pénétrait bien comme telle sans être modifiée, pour venir grossir le pool endogène; on se rendit notamment compte plus tard que la plante réagit à des applications qualifiées de sus-optimales d'agents extérieurs par une adaptation de ses systèmes cataboliques (les auxine-oxydases sont les premières en cause), sans se poser la question du devenir et des effets des produits générés; d'où l'ingénierie chimique synthétisant des homologues moins "attaquables" par les systèmes naturels de régulation (nos dérivés séléniés entre autres vraisemblablement). Les effets "rhizogènes" d'une auxine naturelle ou synthétique furent rapidement mis en évidence. Mais une hormone de croissance pouvait-elle seule provoquer un type de développement spécifique? D'où le concept de l'hormone de développement (en l'occurrence la rhizocaline) sous forme d'un complexe auxine + un sucre, des phénols, une oxydase, ...). Il en fut de même plus tard avec le "florigène" à plusieurs composants dont la gibbérelline, une autre hormone de croissance découverte entretemps. L'évidence des cytokinines (importantes celles-là pour la division cellulaire, plutôt que pour l'élongation favorisée par les auxines) mais surtout le rôle joué par la "balance" entre ces deux dernières conduisit à des avancées nouvelles et modifia aussi le concept d'hormone végétale de croissance: chaque type d'hormone pouvait être synthétisé dans tout type de cellule vivante; des gradients des différentes hormones, instaurés sous l'effet des conditions environnementales tout le long de la plante, sont vraisemblablement plus déterminants dans le comportement de la plante qu'une seule hormone dans l'orientation de leur croissance et de leur développement. C'est que, même les botanistes avaient un peu oublié que croissance et développement, dans une embryogénèse sans fin chez les végétaux, étaient intimement liés. Les hormones de développement se firent oublier pour laisser place au terme de PHYTOHORMONES. Ce qui posa immédiatement problème dans la question des phases de développement (induction, initiation ou évocation, expression) spatio-temporelles. Où le terme de dédifférenciation vint sur le tapis "objectivement". A notre connaissance, cette dédifférenciation ne fut réellement observée que dans des processus tératologiques (hyperhydricité dans des cals ou des pousses feuillées), qui par ailleurs mirent en évidence la complexité du vrai rôle des hormones (les couples auxines-cytokinines et polyamines-éthylène) reliées et conditionnées par les métabolismes primaires et secondaires et par les stress. Nous ne sommes pas certains que les biologistes moléculaires actuels tiennent compte de l'état physiologique général (déterminant dans un processus organogénétique) sous l'effet d'une hormone qu'ils croient spécifique, ni que les séquences de gènes allumés ou éteints soient les mêmes spatio-temporellement. L'ingénierie génétique en a déjà fait les frais (par exemple les tomates au mûrissement retardé mais sans saveur!), mais elle devra ramener des physiologistes-hormonologistes à d'autres réalités que les premiers concepts pourtant difficultueusement émergés.

Cette thèse s'intéresse à la problématique de la classification automatique des séquences vidéo. L'idée est de se démarquer de la méthodologie dominante qui se base sur l'utilisation de caractéristiques conçues manuellement, et de proposer des modèles qui soient les plus génériques possibles et indépendants du domaine. Ceci est fait en automatisant la phase d'extraction des caractéristiques, qui sont dans notre cas générées par apprentissage à partir d'exemples, sans aucune connaissance a priori. Nous nous appuyons pour ce faire sur des travaux existants sur les modèles neuronaux pour la reconnaissance d'objets dans les images fixes, et nous étudions leur extension au cas de la vidéo. Plus concrètement, nous proposons deux modèles d'apprentissage des caractéristiques spatio-temporelles pour la classification vidéo : (i) Un modèle d'apprentissage supervisé profond, qui peut être vu comme une extension des modèles ConvNets au cas de la vidéo, et (ii) Un modèle d'apprentissage non supervisé, qui se base sur un schéma d'auto-encodage, et sur une représentation parcimonieuse sur-complète des données. Outre les originalités liées à chacune de ces deux approches, une contribution supplémentaire de cette thèse est une étude comparative entre plusieurs modèles de classification de séquences parmi les plus populaires de l'état de l'art. Cette étude a été réalisée en se basant sur des caractéristiques manuelles adaptées à la problématique de la reconnaissance d'actions dans les vidéos de football. Ceci a permis d'identifier le modèle de classification le plus performant (un réseau de neurone récurrent bidirectionnel à longue mémoire à court-terme -BLSTM-), et de justifier son utilisation pour le reste des expérimentations. Enfin, afin de valider la généricité des deux modèles proposés, ceux-ci ont été évalués sur deux problématiques différentes, à savoir la reconnaissance d'actions humaines (sur la base KTH), et la reconnaissance d'expressions faciales (sur la base GEMEP-FERA). L'étude des résultats a permis de valider les approches, et de montrer qu'elles obtiennent des performances parmi les meilleures de l'état de l'art (avec 95,83% de bonne reconnaissance pour la base KTH, et 87,57% pour la base GEMEP-FERA).

De juin a septembre, duree de la mousson indienne d'ete, le sous-continent indien recoit 80% de ses precipitations annuelles. Cette mousson est caracterisee par la succession de phases d'activite et d'inactivite qui lui donnent sa nature pulsee, dont les periodes se situent essentiellement dans les bandes 10-20 et 25-50 jour (onde de madden-julian). La structure spatio-temporelle de ces ondes ainsi que leurs liens avec l'activite de la mousson ont ete etudies a partir des donnees quotidiennes d'observations: pression en surface sur l'inde au cours des annees 1977 et 1978; precipitations sur l'inde au cours de 70 ans (1901-1970); donnees d'o. L. R. De 1980 a 1984 sur toute la region de la mousson indienne d'ete; vent zonal, vent meridien le long de la cote de somalie; pression et couverture nuageuse sur le golfe du bengale durant 33 ans (1954-1986). L'onde 25-50 jour se propage vers le nord avec une vitesse de 1 degre de latitude par jour, soit une longueur d'onde de 3000 km environ, elle se propage aussi vers l'est avec une vitesse de 7 degres de longitude par jour; la propagation de l'onde 10-20 jour n'apparait pas nettement. Les resultats d'analyse du vent zonal, du vent meridien (1954-1986) et des donnees d'o. L. R. (1982-1983) montrent une interaction forte entre ces ondes au moment du declenchement de la mousson. Sur 70 ans (1901-1970), aucun lien precis n'a ete observe entre la variabilite interannuelle de la propagation meridienne du mode 25-50 jour et le phenomene enso

L'évolution de la technologie numérique a permis la multiplicité des capteurs d'images avec lesquels des masses de données visuelles sont quotidiennement produites. Dans certains contextes, ces données peuvent prendre la forme de séquences temporelles d'images 2D conduisant à des données 3D que nous noterons 2D+t. Ce type de données est fréquent dans plusieurs domaines tels que la télésurveillance ou la télédétection. De par leur dimension, l'analyse et l'interprétation de toute cette masse de données constitue un des défis importants en vision par ordinateur. Cette thèse s'inscrit dans le contexte de l'exploitation de ces données afin de pouvoir les classifier, en exploitant au maximum la richesse des informations spatiales et temporelles portées par ces données. Les travaux de recherche présentés dans ce manuscrit comprennent deux méthodes qui procèdent différemment mais dont le point commun repose sur un changement de représentation des données initiales. La première méthode se base sur l'extraction de caractéristiques expertes (hand-crafted) tandis que la deuxième concerne l'utilisation des méthodes d'apprentissage automatique, en particulier les réseaux de neurones convolutifs profonds. À travers ces deux méthodes, nous nous proposons d'étudier la stabilité temporelle des séquences temporelles d'images avec les caractéristiques expertes et étudier leurs variabilités spatiale et temporelle avec les réseaux de neurones convolutifs profonds. Les deux méthodes sont ensuite évaluées sur deux applications différentes. Une de ses applications concerne les séries temporelles d'images satellitaires et l'autre concerne les vidéos de caméra de surveillance. Les résultats expérimentaux illustrent l’intérêt des méthodes proposées
The evolution of digital technology has allowed the multiplicity of image sensors, leading every day to the production of masses of visual data. In some contexts, these data can take the form of 2D images time series leading to 3D data that we note 2D+t. This type of data is frequent in several domains such as remote surveillance or remote sensing. Because of their dimensions, the analysis and interpretation of this mass of data is a major challenge in computer vision. This thesis is in the context of the exploitation of these data in order to classify them, by exploiting the maximum the wealth of spatial and temporal information carried by these data. The research works presented in this manuscript includes two methods that proceed differently but whose common point is based on a change of the representation of the initial data. The first method is based on the extraction of hand-crafted features while the second one is based on the use of machine learning methods, in particular deep convolutional neural networks. Through these two methods, we propose to study the temporal stability of image times series with hand-crafted features and to study their spatial and temporal variability with deep convolutional neural networks. The two methods are then evaluated on two different applications. One is related to satellite image time series and the other is related to surveillance camera videos. The experimental results illustrate the interest of the proposed methods

La sécurité est une préoccupation majeure dans différents domaines, et le déploiement de systèmes de surveillance en temps réel permet de relever ce défi. En utilisant des techniques d'apprentissage profond, il permet de reconnaître efficacement les événements anormaux. Cependant, même avec les avancées actuelles des méthodes de détection des anomalies, distinguer les événements anormaux des événements normaux dans les scénarios du monde réel reste un défi en raison d'événements anormaux rares, visuellement diversifiés et non reconnaissables de façon prévisible. Cela est particulièrement vrai lorsque l'on s'appuie sur des méthodes supervisées, où le manque de données d'anomalies labelisées pose un problème important pour distinguer les vidéos normales des vidéos anormales. Par conséquent, les approches de détection d'anomalies les plus récentes utilisent des ensembles de données existants pour concevoir ou apprendre un modèle qui capture les modèles normaux, ce qui permet ensuite d'identifier les modèles anormaux inconnus. Au cours de la phase de conception du modèle, il est essentiel de labelliser les vidéos avec des attributs tels qu'une apparence anormale, un comportement ou des catégories cibles qui s'écartent de manière significative des données normales, en les marquant comme des anomalies. Outre le manque de données labellisées, trois autres défis principaux ont été identifiés dans la littérature : 1) la représentation insuffisante des caractéristiques temporelles, 2) le manque de précision dans le positionnement des événements anormaux et 3) l'absence d'informations sur le comportement.Nous avons exploré les applications des nouvelles technologies de traitement vidéo, notamment la reconnaissance des actions, la détection des cibles, l'extraction des caractéristiques du flux optique, l'apprentissage de la représentation et l'apprentissage contrastif, afin de les utiliser dans les modèles de détection des anomalies vidéo. Les modèles que nous proposons sont analysés de manière comparative avec les modèles de référence. Cette analyse comparative est réalisée à l'aide de jeux de données publics courants, notamment UCSD(Ped2), Avenue, UCF-Crime et Shanghaitech.La première contribution relève le premier point décrit ci-dessus en introduisant un réseau convolutionnel temporel (TCN) amélioré. Ce nouveau modèle de réseau convolutionnel temporel apprend les caractéristiques dynamiques de la vidéo et les optimise afin d'atténuer les erreurs dues aux poids initiaux appris de manière contrastive. Cette méthode améliore la capacité globale des modèles faiblement supervisés en réduisant la perte causée par les paramètres initiaux dans l'apprentissage contrastif. Néanmoins, l'apprentissage faiblement supervisé ne fait que réduire la dépendance à l'égard des données labellisées, mais ne l'élimine pas complètement. C'est pourquoi nos deux contributions suivantes s'appuient sur l'apprentissage non supervisé pour relever les deux autres défis mentionnés ci-dessus. La deuxième contribution combine le mécanisme d'auto-attention pour donner la priorité aux poids des zones présentant des fluctuations dynamiques évidentes dans les images. Lors des tests, les zones anormales sont localisées en comparant les fonctions de détection et de perte d'objets. La troisième contribution explore l'intégration de modèles de réseaux d'apprentissage collaboratifs, qui assurent la cohérence entre les informations sur le flux optique et les informations sur l'apparence. Cette intégration vise à améliorer les capacités de capture spatio-temporelle des modèles non supervisés. Les performances et les capacités globales du modèle non supervisé sont considérablement améliorées par rapport aux autres modèles de base
Security in public spaces is a primary concern across different domains and the deployment of real-time monitoring systems addresses this challenge. Video surveillance systems employing deep learning techniques allows for the effective recognition of anomaly events. However, even with the current advances in anomaly detection methods, distinguishing abnormal events from normal events in real-world scenarios remains a challenge because they often involve rare, visually diverse, and unrecognizable abnormal events. This is particularly true when relying on supervised methods, where the lack of sufficient labeled anomaly data poses a significant challenge for distinguishing between normal and abnormal videos. As a result, state-of-the-art anomaly detection approaches utilize existing datasets to design or learn a model that captures normal patterns, which is then helpful in identifying unknown abnormal patterns. During the model design stage, it is crucial to label videos with attributes such as abnormal appearance, behavior, or target categories that deviate significantly from normal data, marking them as anomalies. In addition to the lack of labeled data, we identified three challenges from the literature: 1) insufficient representation of temporal feature, 2) lack of precise positioning of abnormal events and 3) lack the consistency research of temporal feature and appearance feature. The objective of my thesis is to propose and investigate advanced video anomaly detection methods by addressing the aforementioned challenges using novel concepts and utilizing weak supervision and unsupervised models rather than relying on supervised models.We actively explored the applications of new video processing technologies, including action recognition, target detection, optical flow feature extraction, representation learning, and contrastive learning in order to utilize them in video anomaly detection models. Our proposed models comparatively analysed with baseline models. This comparative analysis are conducted using prevalent public datasets, including UCSD(Ped2), Avenue, UCF-Crime, and Shanghaitech.The first contribution addresses the first challenge outlined above by introducing an enhanced Temporal Convolutional Network (TCN). This novel TCN model learns dynamic video features and optimizes features to mitigate errors due to contrastive learned initial weights. This method enhances the overall capability of weakly supervised models by reducing the loss caused by initial parameters in contrastive learning. Nevertheless, weakly supervised learning only reduces the reliance on labeled data but does not eliminate the dependence on such data. Hence, our subsequent two contributions rely on unsupervised learning to addressing the other two challenges mentioned above. The second contribution combines the self-attention mechanism to prioritize the weights of areas with obvious dynamic fluctuations in frames. And, during the testing, abnormal areas are located through comparison of object detection and loss functions. The combination of self-attention mechanism and object detection significantly improves the detection accuracy and expands the functionality. The third contribution explores the integration of collaborative teaching network models, which bridges consistency between optical flow information and appearance information. This integration aims to enhance the spatio-temporal capture capabilities of unsupervised models. The overall performance and capabilities of the unsupervised model are significantly enhanced compared to the other baseline models

Le but principal du présent travail est ainsi de réaliser une expérience de mélange par la turbulence, dans laquelle il est possible de déterminer et de quantifier les temps de cohérence des différentes échelles spatiales des fluctuations du champ de vitesse et du champ de concentration qu'il transporte et mélange. La turbulence est ici voisine de la situation idéale statistiquement homogène et isotrope, et la configuration est conçue pour qu'il en soit de même pour le champ de concentration. La turbulence est créée par une grille placée perpendiculairement à un écoulement uniforme à l'extérieur des couches limites qui se développent le long des parois de la veine d'essais à section carrée constante. L'écoulement de la présente étude est un écoulement d'eau, dans lequel le champ de concentration est celui d'une solution de Rhodamine B injectée au niveau de la grille à travers des injecteurs équi-répartis le long des barreaux de celle-ci. Ce choix, dicté par la technique de mesure du champ de concentration par Fluorescence Induite par Laser, permet en outre de mesurer le champ de vitesse par une autre technique optique, elle aussi non-intrusive. Pour se rapprocher le plus de la théorie d'un mélange idéal statistiquement homogène et isotrope sans vitesse moyenne, on considère dans l'expérience, conformément à l'hypothèse de Taylor, que toutes les échelles associées à chacun de ces champs, sont convectés à la vitesse moyenne U de l'écoulement, et l'on suit une "boîte de turbulence" qui se déplace à cette vitesse le long de la veine. Par suite déterminer l'état de la turbulence en un point donné de cette boite à l'instant t et à l'instant t'=t+dt, revient à l'étudier dans l'expérience à t à l'abscisse x de la veine d'essai, et à t' à l'abscisse x+dx , avec dx=Udt, où se trouve le point de la boîte aux deux instants successifs. Les résultats expérimentaux concernant les échelles pour lesquelles l'isotropie statistique est satisfaite, permettent alors de vérifier une phénoménologie de l'évolution de la cohérence temporelle des diverses échelles spatiales du champ des fluctuations de concentration fondée sur les idées de Comte-Bellot et Corrsin. Cette expérience, est en outre l'occasion de donner des résultats sur les densités de probabilité de diverses propriétés statistiques des champs de fluctuation de vitesse.