Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

3 novembre 2019

Stage M2 LaBRI/IMS (Bordeaux) : Apprentissage profond à partir de représentations structurelles d'images


Catégorie : Stagiaire


Stage M2 LaBRI/IMS (Bordeaux) : Apprentissage profond à partir de représentations structurelles d'images

Sujet détaillé au format PDF disponible ici : http://rgiraud.vvv.enseirb-matmeca.fr/data/jobs/Stage_LaBRI_sp_dl_2020.pdf

Objectifs du stage

Ce stage de recherche a pour objectif d’étudier un nouveau cadre méthodologique permettant d’exploiter des caractéristiques structurelles à partir de réseaux de neurones profonds. Certains travaux récents
ont déjà pu illustrer l’intérêt des approches par superpixels en apprentissage profond, par exemple pour
assurer la cohérence de résultats de segmentation, ou encore pour la détection d’objets saillants. Cependant, à l’heure actuelle aucune méthode ne prend en compte explicitement les relations spatiales
qui existent entre les régions, qui consitutent pourtant une information pertinente, se rapprochant de la
sémantique de l’image.
En particulier, nous proposons d’étendre nos récents travaux sur l’apprentissage de relations spatiales
entre régions, notamment afin que les descripteurs structurels puissent être intégrés au sein d’architectures de réseaux de neurones convolutifs. Une piste consisterait notamment à mettre en place un système
inspiré des réseaux antagonistes génératifs qui serait capable de capable de générer des configurations
spatiales entre différents objets à partir de propositions en langage naturel, et inversement. Selon l’avancement du stage, ces propositions méthodologiques pourront être employées pour des tâches de segmentation et de classification à partir de données issues d’images naturelles, de données géospatiales, ou bien encore de l’imagerie médicale.


Profil recherché

Étudiant·e en Master 2 ou dernière année d’école d’ingénieurs, spécialisé·e en informatique, image
et/ou intelligence artificielle. Des connaissances et expériences solides en traitement d’images, apprentissage profond et programmation (Python, TensorFlow/PyTorch, C/C++) sont demandées. La maîtrise de l’anglais scientifique et des qualités rédactionnelles sont également très importantes.


Pour candidater, envoyer un dossier avec CV, lettre de motivation, relevés de notes, ainsi que toute pièce susceptible de renforcer la candidature (lettre de recommandation, etc.). Pour l’envoi des pièces demandées, ou pour toute question sur le sujet : michael.clement@labri.fr

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2020.