Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

2 septembre 2018

Internship M2-6 mois- Online Active learning


Catégorie : Stagiaire


Annotation d’images assistée et en ligne pour l’apprentissage automatique en sciences du vivant

Profil: Le/La candidate sélectionné(e) rejoindra une équipe reconnue en imagerie du vivant et sera associé(e) aux développements de travaux interdisciplinaires au sein de consortium internationaux de premier plan scientifique (PoliTecnico Milano-Italie, University College of London- UK, .)... Des compétences solides en informatiques, sciences des données et des connaissances en traitement des images sont attendues.

Bourse : Gratification standard pendant la durée du stage avec prise en charge de déplacements (Angers-Lyon) pour collaborations et possibilités de prolongement sous formes de contrats d’ingénieur de recherche ou de thèse.

Contact:pour plus d’information contacter avec un CV et un email de motivation

david.rousseau@univ-angers.fr et carole.frindel@creati.insa-lyon.fr

Détail : https://uabox.univ-angers.fr/index.php/s/NhPwWH1FkGhkfzN

 

Annotation d’images assistée et en ligne pour l’apprentissage automatique en sciences du vivant

Contexte : Avec le déploiement de grande ampleur des méthodes d’apprentissage artificiels [1], le goulot d’étrangement de la chaîne de traitement de l’information qui portait sur le développement soft se reporte sur l’annotation de données, c’est à dire la labelisation manuelle de structures d’information. Ceci est particulièrement vrai pour le domaine des images quand des structures aux formes complexes doivent être annotées pour servir de référence sur lesquelles les algorithmes de machine learning doivent apprendre. Cette tache d’annotation est d’autant plus délicate en sciences du vivant car elles nécessitent souvent d’être réalisées par des experts biologistes sur de grandes images (lames de microscopes par exemples) ou sur des cohortes de grandes dimensions (imagerie biomédicale de patients ou de populations de plantes). La navigation à l’intérieur de ces structures de données peut être particulièrement chronophage et il convient pour plus d’efficacité de permettre de réaliser ces annotations de façon déportées et en guidant via des techniques de machines learning les zones les plus intéressantes à annoter.

Sujet : Dans ce stage nous proposons d’explorer différentes approches pour assister les annotateurs de façon automatique en estimant la probabilité d’erreur d’un algorithme à un instant donné de l’annotation et en pointant en priorité ces zones à l’annotateur. L’algorithme développé pourra être déployésur une plateforme en ligne d’annotation existante comme Cytomine [2]que l’on testera pour différentes applications en sciences du vivant (cellules, médical, végétal).

Lieu du stage : Laboratoire LARIS-ISTIA de l’Université d’Angers en collaboration avec l’Université de Lyon.

 

Période 6 mois durant l’année universitaire 2018-2019.

Détail : https://uabox.univ-angers.fr/index.php/s/NhPwWH1FkGhkfzN

 

Dans cette rubrique

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