Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

13 décembre 2017

Analyse longitudinale des variations d’humeur


Catégorie : Stagiaire


Equipe FAST

L’équipe FAST (http://www.rennes.supelec.fr/ren/rd/fast/fast_accueil.php) Facial Analysis, Synthesis and Tracking de CentraleSupélec, est intégrée dans le Département Image de l’Unité Mixte de Recherche IETR (Institut d’Electronique et de Télécommunications de Rennes, UMR6164). Nous travaillons depuis une quinzaine d’années en analyse et synthèse de visages : lecture labiale, modèles déformables, clonage de visage, animation d’avatars, direction du regard, émotion et interaction. Depuis 8 ans, nous nous intéressons à l'animation réaliste des expressions sur des visages synthétiques et à la reconnaissance d’émotions.

L’équipe a été coordinatrice du projet Immemo (2010-2013) qui a remporté deux Challenges Internationaux :
1ière place en détection de micro-expressions sur le visage (FERA 2011)
1ière et 2ième places en reconnaissance d’émotions (AVEC 2012).

Les travaux de recherche de l’équipe ont permis la création de trois start-up qui restent des partenaires privilégiés (Dynamixyz, 3DSoundLabs et Immersive Therapy).

Problématique

De nombreux travaux ont été réalisés sur la reconnaissance automatique d’expressions faciales pour l’analyse des émotions, mais peu s’intéressent à des analyses long terme (plusieurs vidéos d’un même sujet sur plusieurs mois). Et pourtant, ces analyses sont indispensables dans de nombreux cadres médicaux, incluant notamment le dépistage de la dépression.

Objectifs scientifiques

L’objectif de ce stage est de proposer une première étude de données longitudinales. Nous avons à notre disposition des enregistrements vidéo d’un même sujet, réalisés depuis plus d’un an, dans des conditions identiques (ouverture, lecture et traitement des mails). Il s’agira de détecter automatiquement le ou les comportements nominaux de ce sujet afin de pouvoir identifier automatiquement des variations dans ces comportements. L’analyse se fera par des méthodes de machine learning non supervisé. Il s’agira notamment d’étudier les différentes modalités temporelles de variations : du court terme (jour) au glissement long terme (modification de l’humeur sur plusieurs mois).

Un second objectif de ce stage concernera la création d’une base de données plus importante (et non limitée à un seul sujet) pour l’analyse longitudinale d’humeur.

Compétences

Contact

L’encadrement et la direction de ce stage seront faits respectivement par Catherine Soladié et Renaud Séguier sur le Campus de Rennes de CentraleSupélec.

Candidature (CV et lettre de motivation) à adresser à (merci de vérifier que le sujet est toujours d’actualité sur les pages web de l’équipe) : renaud.seguier@centralesupelec.fr

Durée : 5 à 6 mois

Stage rémunéré

Lieu de travail : Campus de Rennes de CentraleSupélec.

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2018.