Rémi Flamary

Software

Vous trouverez ici la liste des logiciels et codes sources disponibles sur ce site web et Github. Si vous utilisez le code dans vos recherches SVP citez les articles correspondants.

POT: Python Optimal Transport library

POT est une bibliothèque Python pour le Transport Optimal qui fournit plusieurs solveurs numériques pour le Transport Optimal et ses extensions. Je suis le co-créateur de cette bibliothèque avec Nicolas Courty. POT a été publié dans le JMLR Open Source Software track en 2021. En juin 2023, POT a été cité plus de 500 fois selon Google Scholar.

La bibliothèque est disponible sur GitHub et la documentation fournit plusieurs exemples.

SKADA: Scikit-Adaptation

SKADA est une bibliothèque Python pour l'adaptation de domaine qui fournit plusieurs méthodes d'adaptation de domaine et des outils pour l'évaluation de ces méthodes. SKADA est compatible avec scikit-learn et peut s'intégerr dans les pipelines scikit-learn et les boucles de validation avec des scores de validations réalistes en adaptation de domaine.

La bibliothèque est disponible sur GitHub et la documentation fournit plusieurs exemples.

TorchDR

TorchDR est une bibliothèque de réduction de dimension (DR) open-source utilisant PyTorch. Son objectif est d'accélérer le développement de nouvelles méthodes de DR en fournissant un cadre simplifié commun. Il est conçu pour être convivial et fournir une API compatible avec numpy/scikit-learn ainsi qu'une accélération GPU.

OTGame

OTGame est un jeu pour Android que j'ai développé dont l'objectif est de résoudre des problèmes de transport optimal discrets visuellement avec un peu d'aide lorsqu'on trouve une mauvaise solution. Il est fourni avec un tutoriel en vidéo présentant le concept de TO et le gameplay. Le jeu est disponible sur le Google Play Store.

Code des travaux publiés

Je suis un fervent défenseur du code source ouvert et de la reproductibilité des résultat scientifiques. Vous trouverez ici le code source de la plupart de mes travaux publiés.

• TorchDR [Code] [PDF]
• SKADA : Scikit Adaptation [Code] [PDF]
• Convolutional Monge Mapping Normalization for learning on biosignals [Code] [PDF]
• SNEkhorn: Dimension Reduction with Symmetric Entropic Affinities [Code] [PDF]
• Entropic Wasserstein component analysis [Code] [PDF]
• Time Series Alignment with Global Invariances [Code] [PDF]
• Semi-relaxed Gromov-Wasserstein divergence for graphs classification [Code] [PDF]
• Template based Graph Neural Network with Optimal Transport Distances [Code] [PDF]
• Aligning individual brains with Fused Unbalanced Gromov-Wasserstein [Code] [PDF]
• Learning to Predict Graphs with Fused Gromov-Wasserstein Barycenters [Code] [PDF]
• Multi-source Domain Adaptation via Weighted Joint Distributions Optimal Transport [Code] [PDF]
• Sliding window strategy for convolutional spike sorting with Lasso: Algorithm, theoretical guarantees and complexity [Code] [PDF]
• Feature selection for kernel methods in systems biology [Code] [PDF]
• Convergent Working Set Algorithm for Lasso with Non-Convex Sparse Regularizers [Code] [PDF]
• Semi-relaxed Gromov Wasserstein divergence with applications on graphs [Code] [PDF]
• Unbalanced Optimal Transport through Non-negative Penalized Linear Regression [Code] [PDF]
• Optimal Transport for Conditional Domain Matching and Label Shift [Code] [PDF]
• Online Graph Dictionary Learning [Code] [PDF]
• Unbalanced minibatch Optimal Transport; applications to Domain Adaptation [Code] [PDF]
• POT: Python Optimal Transport [Code] [PDF]
• Generating natural adversarial Remote Sensing Images [Code] [PDF]
• Wasserstein Adversarial Regularization for learning with label noise [Code] [PDF]
• CO-Optimal Transport [Code] [PDF]
• Fused Gromov-Wasserstein Distance for Structured Objects [Code] [PDF]
• Sliced Gromov-Wasserstein [Code] [PDF]
• Influence of surface roughness on diffraction in the externally occulted Lyot solar coronagraph [Code] [PDF]
• Optimal Transport for Multi-source Domain Adaptation under Target Shift [Code] [PDF]
• DeepJDOT: Deep Joint distribution optimal transport for unsupervised domain adaptation [Code] [PDF]
• Large-Scale Optimal Transport and Mapping Estimation [Code] [PDF]
• Learning Wasserstein Embeddings [Code] [PDF]
• Wasserstein Discriminant Analysis [Code] [PDF]
• Joint Distribution Optimal Transportation for Domain Adaptation [Code] [PDF]
• Astronomical image reconstruction with convolutional neural networks [Code] [PDF]
• Performance of hybrid externally occulted Lyot solar coronagraph, Application to ASPIICS [Code] [PDF]
• Optimal spectral transportation with application to music transcription [Code] [PDF]
• Mapping estimation for discrete optimal transport [Code] [PDF]
• Optimal transport for domain adaptation [Code] [PDF]
• Doubly partial-diffusion LMS over adaptive networks [Code] [PDF]
• Supervised planetary unmixing with optimal transport [Code] [PDF]
• Introduction to optimization with applications in astronomy and astrophysics [Code] [PDF]
• Apprentissage statistique pour les BCI [Code] [PDF]
• Statistical learning for BCIs [Code] [PDF]
• Non-convex regularization in remote sensing [Code] [PDF]
• DC Proximal Newton for Non-Convex Optimization Problems [Code] [PDF]
• Multiclass feature learning for hyperspectral image classification: sparse and hierarchical solutions [Code] [PDF]
• A group-lasso active set strategy for multiclass hyperspectral image classification [Code] [PDF]
• Domain adaptation with regularized optimal transport [Code] [PDF]
• Mixed-Norm Regularization for Brain Decoding [Code] [PDF]
• Kernel-Based Learning From Both Qualitative and Quantitative Labels: Application to Prostate Cancer Diagnosis Based on Multiparametric MR Imaging [Code] [PDF]
• Automatic Feature Learning for Spatio-Spectral Image Classification With Sparse SVM [Code] [PDF]
• Nonconvex Regularizations for Feature Selection in Ranking With Sparse SVM [Code] [PDF]
• Learning with infinitely many features [Code] [PDF]
• Large Margin Filtering [Code] [PDF]
• Handling learning samples uncertainties in SVM : application to MRI-based prostate cancer Computer-Aided Diagnosis [Code] [PDF]
• lp-lq penalty for sparse linear and sparse multiple kernel multi-task learning [Code] [PDF]
• Handling uncertainties in SVM classification [Code] [PDF]
• Large margin filtering for signal sequence labeling [Code] [PDF]
• Filtrage vaste marge pour l'étiquetage séquentiel de signaux [Code] [PDF]
• Learning spatial filters for multispectral image segmentation [Code] [PDF]
• Selection de variables pour l'apprentissage simultanée de tâches [Code] [PDF]

Anciens logiciels

• POT, Transport Optimal en Python (Python).
• DWE, Deep Wasserstein Embeddings (Python).
• JDOT, Joint distribution optimal transportation for domain adaptation (Python).
• AstroImageReconsCNN, Reconstruction d'image à base de Réseaux de neurone convolutif (Python).
• OST, Transport optimal sur des spectres. Démo annotation musicale (Python).
• Opt. Non-convexe, optimization avec régularisation non-convexe (Matlab/octave).
• OptTransp (en), Transport Optimal régularisé (Python).

• FL-RS-SVM (en), Apprentissage de caractéristiques pour la télédétection (Matlab).
• IFL-SVM, Apprentissage avec une infinité de caractéristiques (Matlab).
• RankSVM-NC, RankSVM avec régularisation non-convexe (Matlab).
• G-SVM, SVM linéaires avec régularisation généralisée (Matlab).
• FilterSVM, Apprentissage de filtres covolutionnels vaste marge (Matlab).
• SparseMTL Apprentissage multitâche parcimonieux à noyaux (Matlab).
• USVM SVM probabilistes avec étiquettes incertaines (Matlab).
• Monqpcpp Solveur de problèmes quadratiques (C++).

Autres logiciels

• SimpleSVN scripts GUI pour l'utilisation de subversion.
• Webgen.py Implémentation Python du générateur de sites web webgen.