Annonce

Les commentaires sont clos.

stage en holographie numérique / deep learning

5 Janvier 2022


Catégorie : Stagiaire


Titre : Adaptation d’un algorithme de restauration d’image basé sur une technique d’apprentissage de dictionnaire associée à un réseau de neurones profond pour le débruitage de cartes de phases pour l’holographie numérique.

Laboratoires d’accueil : Laboratoire d'Informatique (LIUM) et d'Acoustique (LAUM) de l'Université du Mans.

Site : Le Mans

 

Encadrants: Marie Tahon (LIUM) et Silvio Montrésor (LAUM)

 

Début du stage : à partir de février 2022

Descriptif : Au sein de l’équipe transducteur du LAUM nous travaillons actuellement en collaboration avec le LIUM sur le développement d'un réseau de neurones profond en python pour le débruitage de cartes de phases pour l'holographie numérique [1]. Dans ce cadre, un projet de M1 Info suivi d’un stage a permis de mettre en place une implémentation sous PyTorch incluant l’apprentissage du réseau et le débruitage d’images [2]. Nous envisageons de continuer ce travail en reprenant le code d’un algorithme récemment publié [3] utilisant la combinaison d’un réseau de neurone profond avec un dictionnaire de patchs appris sur l’image bruitée elle-même. Le travail envisagé consiste à reprendre les codes de l’algorithme depuis le Github développé par les auteurs puis à les adapter au problème de débruitage de carte de phase. L’objectif est de quantifier les performances de cet algorithme en comparaison avec les codes déjà développés par nos équipes, sous matlab et python. L'étudiant.e travaillera dans les faits au LIUM avec Marie Tahon en coordination avec Silvio Montrésor afin de bénéficier du cluster de calcul GPU et également des autres ressources de développement logiciel en accès au LIUM.

 

Ressources :

[1] S. Montrésor, M. Tahon, A. Laurent, and P. Picart. Computational de-noising based on deep learning for phase data in digital holographic interferometry. APL Photonics, AIP Publishing LLC, 2020, 5 (3).

[2] http://lium-holography.univ-lemans.fr/

[3] H. Zheng, H. Yong, L. Zhang, « Deep Convolutional Dictionary Learning for Image Denoising”, CVPR 2021, pp. 630-641

Profil du candidat : Le candidat devra être motivé pour travailler sur le deep learning, et montrer un intérêt pour l’holographie numérique. Il devra être inscrit en Master d’Informatique ou d’Acoustique.

Pour candidater : Envoyer CV + lettre de motivation avant le 1er février 2022 à :

marie.tahon@univ-lemans.fr et silvio.montresor@univ-lemans.fr