Romain Raveaux
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Research Subjects
Romain Raveaux has a total of 16 co-authors. Here are the top co-authors by number of shared publications:
Gilles Venturini
Université de Tours, Laboratoire d’Informatique Fondamentale et Appliquée de Tours (LIFAT - EA 6300), 64 Avenue Jean Portalis, Tours 37000, France
3 shared publicationsChloé Martineau
Univ Tours, Lab Informat Fondamentale & Appl Tours LIFAT, EA 6300, 64 Ave Jean Portalis, F-37000 Tours, France
2 shared publicationsDonatello Conte
Université de Tours, Laboratoire d’Informatique Fondamentale et Appliquée de Tours (LIFAT - EA 6300), 64 Avenue Jean Portalis, Tours 37000, France
2 shared publications- Donatello Conte
Université de Tours, Laboratoire d’Informatique Fondamentale et Appliquée de Tours (LIFAT – EA6300), Tours, France
2 shared publications - Chloé Martineau1 shared publication
Huadong Liu
1 shared publication
Latest Publications
- 30 March 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
Graph Mining and Graph Classification : application to cadastral map analysis
Fouille de graphes et classification de graphes : application à l’analyse de plans cadastraux: Les travaux présentés dans ce mémoire de thèse abordent sous différents angles très intéressants, un sujet vaste et ambitieux : l’interprétation de plans cadastraux couleurs.Dans ce contexte, notre approche se trouve à la confluence de différentes thématiques de recherche telles que le traitement du signal et des images, la reconnaissance de formes, l’intelligence artificielle et l’ingénierie des connaissances. En effet, si ces domaines scientifiques diffèrent dans leurs fondements, ils sont complémentaires et leurs apports respectifs sont indispensables pour la conception d’un système d’interprétation. Le centre du travail est le traitement automatique de documents cadastraux du 19e siècle. La problématique est traitée dans le cadre d'un projet réunissant des historiens, des géomaticiens et des informaticiens. D'une part nous avons considéré le problème sous un angle systémique, s'intéressant à toutes les étapes de la chaîne de traitements mais aussi avec un souci évident de développer des méthodologies applicables dans d'autres contextes. Les documents cadastraux ont été l'objet de nombreuses études mais nous avons su faire preuve d'une originalité certaine, mettant l'accent sur l'interprétation des documents et basant notre étude sur des modèles à base de graphes. Des propositions de traitements appropriés et de méthodologies ont été formulées. Le souci de comblé le gap sémantique entre l’image et l’interprétation a reçu dans le cas des plans cadastraux étudiés une réponse.
- 30 March 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
Graph Mining and Graph Classification : application to cadastral map analysis
Fouille de graphes et classification de graphes : application à l’analyse de plans cadastraux: Les travaux présentés dans ce mémoire de thèse abordent sous différents angles très intéressants, un sujet vaste et ambitieux : l’interprétation de plans cadastraux couleurs.Dans ce contexte, notre approche se trouve à la confluence de différentes thématiques de recherche telles que le traitement du signal et des images, la reconnaissance de formes, l’intelligence artificielle et l’ingénierie des connaissances. En effet, si ces domaines scientifiques diffèrent dans leurs fondements, ils sont complémentaires et leurs apports respectifs sont indispensables pour la conception d’un système d’interprétation. Le centre du travail est le traitement automatique de documents cadastraux du 19e siècle. La problématique est traitée dans le cadre d'un projet réunissant des historiens, des géomaticiens et des informaticiens. D'une part nous avons considéré le problème sous un angle systémique, s'intéressant à toutes les étapes de la chaîne de traitements mais aussi avec un souci évident de développer des méthodologies applicables dans d'autres contextes. Les documents cadastraux ont été l'objet de nombreuses études mais nous avons su faire preuve d'une originalité certaine, mettant l'accent sur l'interprétation des documents et basant notre étude sur des modèles à base de graphes. Des propositions de traitements appropriés et de méthodologies ont été formulées. Le souci de comblé le gap sémantique entre l’image et l’interprétation a reçu dans le cas des plans cadastraux étudiés une réponse.
- 17 June 2024
- Published by Elsevier in Pattern Recognition
- Vol. 155
Deep graph matching meets mixed-integer linear programming: Relax or not ?
- 17 June 2024
- Published by Elsevier in Pattern Recognition
- Vol. 155
Deep graph matching meets mixed-integer linear programming: Relax or not ?
- 15 June 2021
- Published by Elsevier in Pattern Recognition Letters
- Vol. 149, 59-66
Graph matching as a graph convolution operator for graph neural networks
- 15 June 2021
- Published by Elsevier in Pattern Recognition Letters
- Vol. 149, 59-66
Graph matching as a graph convolution operator for graph neural networks
- 3 March 2021
- Published by Elsevier in Pattern Recognition Letters
- Vol. 145, 240-246
On the unification of the graph edit distance and graph matching problems
- 3 March 2021
- Published by Elsevier in Pattern Recognition Letters
- Vol. 145, 240-246
On the unification of the graph edit distance and graph matching problems
- 1 June 2020
- Published by Elsevier in Pattern Recognition Letters
- Vol. 134, 68-76
Learning error-correcting graph matching with a multiclass neural network
- 1 June 2020
- Published by Elsevier in Pattern Recognition Letters
- Vol. 134, 68-76
Learning error-correcting graph matching with a multiclass neural network
- 1 December 2019
- Published by Elsevier in Pattern Recognition Letters
- Vol. 128, 8-15
Learning cost function for graph classification with open-set methods
- 1 December 2019
- Published by Elsevier in Pattern Recognition Letters
- Vol. 128, 8-15
Learning cost function for graph classification with open-set methods
- 4 February 2018
- Published by Springer Nature
- p. 194-202
A Local Branching Heuristic for the Graph Edit Distance Problem
- 4 February 2018
- Published by Springer Nature
- p. 194-202
A Local Branching Heuristic for the Graph Edit Distance Problem
- 10 May 2017
- Published by Springer Nature
- p. 49-58
Learning Graph Matching with a Graph-Based Perceptron in a Classification Context
- 10 May 2017
- Published by Springer Nature
- p. 49-58
Learning Graph Matching with a Graph-Based Perceptron in a Classification Context
- Open Access
- 1 January 2016
- Published by OpenEdition in Bulletin du Centre d’études médiévales d’Auxerre
- Vol. Hors-série (Hors-série)
Les graphes pour étudier les dynamiques spatiales à partir des séries fiscales médiévales et modernes. Etat des lieux de l’expérience Modelespace
De 2010 à 2012, le programme ANR Modelespace a initié une recherche pour mettre au point une méthodologie d'analyse des dynamiques spatiales en partant de la comparaison des jeux de données spatialisées issues des sources fiscales des périodes médiévales et modernes (terriers, compoix, cadastres...) par le biais de la théorie des graphes. Il s'agit de présenter les avancées significatives de la méthodologie, et de définir les pistes envisagées pour établir la méthode de comparaison des graphes.
- 1 January 2016
- Published by OpenEdition in Bulletin du Centre d’études médiévales d’Auxerre
- Vol. Hors-série (Hors-série)
Open AccessLes graphes pour étudier les dynamiques spatiales à partir des séries fiscales médiévales et modernes. Etat des lieux de l’expérience Modelespace
De 2010 à 2012, le programme ANR Modelespace a initié une recherche pour mettre au point une méthodologie d'analyse des dynamiques spatiales en partant de la comparaison des jeux de données spatialisées issues des sources fiscales des périodes médiévales et modernes (terriers, compoix, cadastres...) par le biais de la théorie des graphes. Il s'agit de présenter les avancées significatives de la méthodologie, et de définir les pistes envisagées pour établir la méthode de comparaison des graphes.