Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

27 septembre 2018

Estimation de modèles "profonds" pour la reconnaissance de motifs sonores peu représentés


Catégorie : Post-doctorant


Le sujet aborde la reconnaissance automatique de motifs sonores dans un contexte de surveillance pour la sécurité et la sûreté des usagers. S’inscrivant dans le futur proche des véhicules autonomes, l’objectif est de développer des systèmes de perceptions automatiques dans l’environnement transport (train, bus, métro). Plus précisément, en considérant le flux audio, il s’agira de détecter automatiquement des cris de personnes se trouvant dans des situations critiques : personnes en difficultés physiques, altercations entre individus, panique, appels à l’aide…

Ayant abordé très récemment ce sujet par des modèles de réseaux de neurones profonds (DNN, CNN, LSTM) et obtenu des résultats encourageants, il nous est impératif d’approfondir nos recherches et d’augmenter les performances de nos modèles de reconnaissance. Pour cela et au vu de la complexité de l’environnement sonore, il est nécessaire d’élaborer des modèles plus sophistiqués, mais l’établissement d’une base de donnée de données en quantité nécessaire et suffisante reste compliquée à mettre en œuvre. Parallèlement, face à l’émergence des réseaux de neurones, la communauté scientifique propose des alternatives à ce problème de performances vs sophistication vs quantité de données. Ces études portent sur l’estimation de modèles statistiques par transfert de connaissance ("transfer learning/knowledge") ou encore par augmentation de données ("data augmentation"). Ce sont sur ces orientations scientifiques que le post-doctorant devra poursuivre cette étude.

 

Compétences

Machine learning, réseaux de neurones profonds, traitement du signal audio, language python

 

Informations pratiques

Durée : 18 mois à partir du 1avril 2019.
Lieu : LEOST , Dept. COSYS, IFSTTAR, 120 rue E. Reclus, Villeneuve d'Ascq.

 

Candidature

Envoyer un CV détaillé à David Sodoyer (david.sodoyer@ifsttar.fr).

 

Dans cette rubrique

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