Annonce

Les commentaires sont clos.

Post-doctorat en apprentissage semi-supervisé/adaptation de domaine pour l’imagerie aérienne

1 Septembre 2022


Catégorie : Post-doctorant


Le projet MAGE s’intéresse à deux verrous scientifique liés à l’apprentissage sur des données synthétiques. Le premier verrou cherche à résoudre le problème de l’adaptation de domaine entre les données synthétiques et les données réelles. Aussi réaliste le moteur de jeu soit-il, il existera toujours un écart statistique entre les images générées et les acquisitions par des capteurs réels. Afin d’éviter une dégradation des performances, une solution peut passer par l’usage de modèles génératifs pour augmenter le réalisme des images synthétiques. Un deuxième verrou est l’apprentissage à partir d’un mélange de données synthétiques étiquetées en faible nombre et d’un très grand volume de données réelles mais non annotées. Cette configuration semi-supervisée nécessite des schémas d’apprentissage adaptés afin d’exploiter les images non annotées, par exemple au travers de pré-entraînement auto-supervisé, de techniques de propagations d’annotations ou d’approches hybrides comme par exemple le consistency learning.

 

Offre détaillée :

https://audebert.at/files/jobs/2022-Mage_postdoc.pdf