Annonce

Les commentaires sont clos.

Apprentissage statistique pour la segmentation d’images du bois de vigne

25 Novembre 2022


Catégorie : Stagiaire


Durée : 6 mois

Début : février 2023

Niveau : master 2 / dernière année d’école d’ingénieurs

Rémunération : selon réglementation (environ 560€/mois)

Localisation : Laboratoire IRIMAS à Mulhouse

 

Le tronc des vignes est un écosystème ayant ses propres perturbations, et notamment les maladies du bois, comme l’Esca. Le projet dans lequel le stage s’insère vise à quantifier la propagation d’un pathogène lié à l’Esca dans le bois de vigne, et son interaction avec un organisme de biocontrôle. Pour ce faire, des plants de vignes ont été cultivés, puis inoculés avec le pathogène. Des observations en microscopie de fluorescence ont ensuite été réalisées, et sont l'objet du travail proposé.

Le problème de la segmentation pathogène / fond est traité de manière non supervisée dans la thèse de S. Ouali (cf. Réf. 1). Néanmoins, les méthodes bayésiennes employées sont coûteuses en temps de calcul (10 minutes pour 10⁴ pixels); et il est nécessaire de développer des méthodes adaptées au passage à l’échelle afin de pouvoir gérer de grandes images (10⁷ pixels typiquement).

Pour cela, l’on s’intéressera aux apports possibles des techniques d’apprentissage supervisé. La démarche à employer pourra porter sur les questions suivantes : peut-on se servir des résultats obtenus sur une partie de l’image pour généraliser ? Pour apprendre une partie des paramètres nécessaires à la segmentation ? Pour distinguer les parties dans le plan focal, nettes, des parties en dehors qui sont floues ? Peut-on s’aider d’une base, même de petite taille, de « vérité terrain » fournie par un expert ? L’objectif su stage proposé est de répondre à ces questions.

Ce stage s’insère dans un travail commun mené depuis 2020 entre l’Institut de recherches en informatique, mathématiques, automatique et signal (IRIMAS) à Mulhouse ; et le laboratoire Vigne, Biotechnologie et Environnement (LVBE) à Colmar. Le ou la stagiaire sera hébergé.e dans l’équipe « Imagerie Microscopique et Traitement d’images » (IMTI) de l’IRIMAS.

Profil recherché :

  • M2 ou dernière année d’école d’ingénieur,
  • Connaissances solides en traitement du signal et des images ou en apprentissage statistique,
  • Bonnes compétences en programmation, et connaissances de Python ou Matlab,
  • Bon niveau en anglais.

 

Ce stage sera encadré par :

  • Jean-Baptiste Courbot (IRIMAS)
  • Sonia Ouali (IRIMAS)
  • Romain Pierron (LVBE)
  • Olivier Haeberlé(IRIMAS)

 

Pour candidater, merci d’envoyer un CV, une lettre de motivation et les derniers résultats universitaires à jean-baptiste.courbot@uha.fr.

 

Références en lien avec le projet

  1. Ouali, S. et al. Segmentation statistique d’images du bois de vigne par champs de Markov triplets. Actes du 28e colloque GRETSI, Nancy, France. 2022 (url).
  2. Gangloff, H. et al.. Variational Autoencoder with Gaussian Random Field prior: application to unsupervised animal detection in aerial images(2022). (url)
  3. Gómez-de-Mariscal, E. et al. DeepImageJ: A user-friendly environment to run deep learning models in ImageJ. Nature Methods 18.10 (2021): 1192-1195. (url)
  4. Ronneberger, O. et al. U-net: Convolutional networks for biomedical image segmentation. In MICCAI 2015 (url)