Mots clés : Apprentissage profond, apprentissage par renforcement, evaluation, interfaçage opérationnel / recherche, marquages routiers
L’équipe de recherche ENDSUM a exploré des méthodes de segmentation et d’analyse automatique de marquages routiers par apprentissage. L’obtention de modèles issus de l’apprentissage de réseaux convolutionnels profonds (deep learnig) a montré des résultats très intéressants qu’il est nécessaire de consolider de les faire évoluer du stade de code de recherche à un niveau opérationnel, en tenant compte des besoins de l’utilisateur.
Le premier objectif du stage vise à valider et industrialiser les méthodes existantes qui ont été développées pour traiter des données issues d’un appareil de mesure dynamique de la rétro-réflexion du marquage routier (appareil Ecodyn3). Il sera nécessaire de mettre en œuvre des méthodes de renforcement ainsi que des techniques de validation rigoureuses.
Le deuxième objectif est de proposer une solution logicielle qui devra être transparente pour l’utilisateur, c’est à dire qu’elle prendra en entrée les résultats de la mesure géolocalisée et elle devra produire des résultats quantifiés en sortie.
Une fois ces deux objectifs atteints, il sera envisagé, sur l’expérience acquise jusque là, de faire évoluer la méthode de traitement par apprentissage sur des données d’un tout autre type, issues de capteurs laser et/ou de caméras spécifiques.
Programme de travail
Profil recherché : Étudiant en Master (M2) ou 3ième année école d’ingénieur avec de bonnes compétences en traitement de données et en développement informatique (Python, C/c++). Goût pour le travail en équipe.
Durée : stage de 20 à 25 semaines, à compter de février /mars 2020
Localisation : Cerema Strasbourg, Equipe recherche ENDSUM, 11 rue Jean Mentelin, 67035 Strasbourg
Rémunération : Stage indemnisé (~570€ mensuel)
Contact : Christophe Heinkele (tel : 0664 04 25 00), christophe.heinkele@cerema.fr
Valérie Muzet, valerie.muzet@cerema.fr
(c) GdR 720 ISIS - CNRS - 2011-2020.