Annonce

Les commentaires sont clos.

Résilience des IA en reconnaissance automatique de motifs sonores industriels

17 Mars 2022


Catégorie : Post-doctorant


Contexte

L’Université Gustave Eiffel collabore avec Wavely sur la problématique de la surveillance acoustique via la reconnaissance de sources sonores afin de prévenir différents types de risques industriels. Cette collaboration a donné lieu à un premier projet ANR nommé DAFI (Détection par l’acoustique de départ de feu sur site industriel). Sur la base de ce savoir-faire commun, Wavely et l’Université Gustave Eiffel souhaitent désormais accroître l'envergure scientifique de cette collaboration à travers des travaux et un encadrement d’un post doc financé dans le cadre de l’action 4 du plan France Relance R&D.


Objectifs

Cette proposition concerne la prévention de risques industriels via l’application de modèle de reconnaissance de sources sonores correspondant à différents événements susceptibles de générer un incident comme ; un départ de feu, une fuite de gaz, le dysfonctionnement d’un équipement industriel. Dans ce contexte, un système de reconnaissance de sources sonores est par défaut mis au point sur un site et a pour ambition d’être à terme généralisable à divers sites sous resserve d’une adaptation à la variabilité entre ces environnements. Ces variabilités sont fonctions de l’implémentation géographique, de l’activité différente, du déploiement des capteurs acoustiques sur site et enfin de la nature même des sources sonores étudiées. Dans un souci généralisation et d’exploitation d’un tel système, il est nécessaire que ce dernier se conforme à l’environnement qu’il va nouvellement observer sans devoir systématiquement mettre en œuvre une phase classique d’apprentissage supervisée coûteuse en temps d’analyse, de traitement et de mise en service.
Ainsi, le but des travaux proposés est de se focaliser sur la résilience des systèmes de reconnaissance sonore face aux conditions hétérogènes dans lesquels ils sont destinés à être déployés.


Travaux

Pour répondre à l’objectif cité ci-dessus, nous proposons d’étudier et de mettre en œuvre un système d’apprentissage basé sur les techniques "d’adaptation de domaine" (Domain Adaptation) et de "transfert de connaissances" (Transfert Learning). Cette stratégie assez instinctive et simple, ne l’est pas si l’on considère le paradigme de l’efficacité de l’apprentissage vs la robustesse des modèles dans un cadre industriel opérationnel. L’étude portera donc sur l’analyse et la recherche du degré de ces ajustements et plus particulièrement sur le niveau de l’architecture du modèle à partir duquel l’ajustement sera nécessaire. Enfin, afin d’être le plus autonome possible durant cette étape d’adaptation et de généralisation, cette phase devra être couplet au développement d’un algorithme d’apprentissage combinant les principes de l’apprentissage non-supervisé et ceux de "l’apprentissage actif" (Active Learning). Une première approche consistera à disposer d’une architecture algorithmique qui a été éprouvée dans d’anciens projets, et d’en assurer sa résilience face à un nouvel environnement à surveiller.


Environnement de travail

Cette étude se déroulant dans le cadre de l’action 4 du plan France Relance R&D, les travaux se dérouleront à 80% du temps chez WAVELY et à 20% au Laboratoire LEOST de l’Université Gustave Eiffel. Ils seront supervisés par l’équipe de recherche et développement de la société WAVELY et par David Sodoyer de l’Université Gustave Eiffel.

Il est envisagé à l’issu des 24 mois de CDD, de proposer une promesse d’embauche au candidat afin d’intégrer la société WAVELY.


Profils souhaités

Vous aimez les nouvelles technologies et les technologies audio en particulier. Vous êtes curieux et aimez apprendre de nouvelles technologies. Vous souhaitez travailler dans un environnement laissant la place aux initiatives et à la créativité. Vous aimez travailler avec la matière sonore. Une expérience dans ce sens sera un atout.

Disposant d’une thèse de doctorat, vous avez de solides compétences dans le traitement statistique de données et une expertise en Machine Learning, en particulier dans les modèles Bayésiens, les réseaux de neurones ou les HMM.

Vous avez une expertise en Python et l’expérience des packages tels que Numpy, Pandas, Scikit-learn et Pytorch.

Vous êtes autonome, rigoureux et organisé, vous savez documenter votre travail et
communiquer avec le reste de votre équipe vos analyses et développements.

Vous parlez anglais couramment.

Lieu : Villeneuve d’Ascq (59)
Les locaux de Wavely et du le laboratoire LEOST sont situés au cœur du technopôle scientifique de la Métropole Européenne de Lille. Ils sont facilement accessibles en métro et disposent tous deux d’un parking privatif (voiture et vélo). Vous intégrerez une équipe jeune et dynamique dans un environnement accueillant.

Durée : 24 mois

A partir de : Le plus tôt possible

Contacts : Merci d’adresser vos candidatures (CV et lettre de motivation) à recrutement@wavely.fr et à david.sodoyer@univ-eiffel.fr


Wavely est une start-up créée en 2017 qui développe et commercialise des solutions de surveillance couplant acquisition acoustique et intelligence artificielle. Basées sur une reconnaissance de sources sonores embarquée sur des capteurs connectés, ces solutions sont employées pour de nombreuses applications comme le suivi des nuisances sonores ou la surveillance de sites industriels pour la sécurité du personnel. (Présentation de la société : https://www.youtube.com/watch?v=T3yZ4_-a4Mw).

Le laboratoire LEOST de l’Université Gustave Eiffel travaille depuis plusieurs années à la mise au point de modèles d’intelligence artificielle adaptés à la reconnaissance de sources sonores dans des environnements complexes tels que ceux du transport.