Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

14 mai 2018

Stage : reconnaissance d’images de façade par deep learning


Catégorie : Stagiaire


Stage : reconnaissance d’images de façade par deep learning, au CSTB Sophia-Antipolis

 

Contexte

Depuis une dizaine d’années, Google, Facebook et d’autres mastodontes de l’internet moderne brassent des millions et des millions d’images postées sur internet et les réseaux sociaux. Avec les puissances actuelles de calcul et les téraoctets de données référencées, ils ont entrainé de nombreux modèles de reconnaissance automatique d’images (i.e. réseaux de neurones). La technologie autour de ces modèles d’intelligence artificielle n’est pas récente mais l’engouement sociétal, la maturité des Framework de développement et l’accessibilité croissante à certaines bases de données partagées sont aujourd’hui au rendez-vous.

Le CSTB – à travers un « proof of concept » auquel le stagiaire participerait – souhaite défricher le domaine de la reconnaissance d’image à l’aide d’algorithmes d’apprentissage automatique (machine learning). L’étude de cas concerne l’identification d’objets sur des images de façades de bâtiments, mais aussi la classification de ces bâtiments par usage et/ou style architectural.

Objectif

Le stagiaire devra faire un état de l’art des Framework Python existant qui permettent de manipuler des réseaux de neurones spécialisés dans la reconnaissance d’image (TensorFlow, scikit-learn, Theano, Caffe, etc.). Il devra faire un inventaire des possibilités offertes par chacun d’eux et tester les plus prometteurs pour des usages définis par le CSTB.

Le stagiaire devra se familiariser avec les bibliothèques de dataset d’images déjà libellées (ImageNet, LabelMe, SpaceNet, Open Images, etc.). Au cours de son stage, il pourra aussi être amené à travailler avec des outils permettant de libeller des jeux d’images (LabelMe, Labellmg, etc.) afin d’entrainer un réseau de neurone spécialisé dans la reconnaissance de bâtiments (type de bâtiment, taux de vitrage, etc).

Une fois ces deux aspects traités (Framework et Dataset), le stagiaire devra adapter le format de certains datasets pour les rendre compatible avec les modèles d’apprentissage du Framework Python retenu.

Potentiellement, le stage pourra donner lieu à un sujet de doctorat. 

Profil recherché

Modalités & autres points-clés

Contact

Mathieu THOREL (Mathieu.THOREL@cstb.fr), Lydia.TRZCINSKI (Lydia.TRZCINSKI@cstb.fr)

Mots-clés

Réseaux de neurones, apprentissage, Python, Machine Learning, image recognition, dataset, TensorFlow, bâtiment, sciences appliquées, programmation

 

Dans cette rubrique

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