AMI « Apport du Numérique au domaine du recyclage »
Le PEPR « Recyclage » lancé au printemps 2023 est structuré en : 5 axes verticaux « matériaux » (plastiques,...
30 Octobre 2024
Catégorie : Stagiaire
L’équipe OBELIX du laboratoire IRISA site de Vannes propose un sujet de stage de 6 mois pour un étudiant en fin d’étude (M2 ou 3e année d’école d’ingénieur).
Ce stage porte sur Recherche efficace et sans apprentissage de motifs spatio-temporels dans des grands cubes de données en télédétection
Localisation : Université de Bretagne-Sud à Vannes
Encadrement : François MERCIOL
candidature : par courriel à francois.merciol (a) univ-ubs.fr incluant : curriculum vitæ, lettre de motivation, relevés de notes et lettre·s de recommandation
Merci de bien vouloir diffuser cette offre à toute personne susceptible d’être intéressée.
http://www-obelix.irisa.fr/files/2024/10/Sujet_de_stage_de_fin_d__tude_RD_2025.pdf
En s’appuyant sur les hiérarchies morphologiques appliquées à l’analyse d’images et de séries temporelles d’images satellites, l’objectif du stage sera de définir une solution originale et efficace pour la recherche de motifs spatio-temporelles. La solution à mettre en œuvre ne s’appuiera pas sur l’apprentissage profond. L’intérêt d’un tel choix, réside dans la capacité du système de recherche à fonctionner sans données d’entraînement (annotées ou non), sa faible empreinte carbone du fait de l’optimisation des ressources (calcul et mémoire) permise par l’utilisation de structures de données adaptées (arbres) et d’algorithmes efficaces, ces derniers permettant en outre le déploiement d’une solution interactive.
Plus précisément, alors que nos travaux initiaux conduits avec le CNES ont donné lieu à un démonstrateur où la recherche portait sur des motifs spatiaux, il s’agira ici d’ajouter une contrainte temporelle, ce qui permettra la recherche d’objets et/ou d’évènements représentés par des motifs spatio-temporels. Des travaux préliminaires ont été menés pour fournir une définition de l’histogramme de forme pour des données spatio-temporelles. Notre dernière étude portait sur l’efficacité de recherche par histogramme en comparaison de l’apprentissage profond. Nous poursuivons les investigations pour déterminer les paramètre les plus optimums pour envisager un déploiement opérationnel sur des grands cubes de données (plusieurs To, comme lors des contributions au programme Copernicus).
http://www-obelix.irisa.fr/files/2024/10/Sujet_de_stage_de_fin_d__tude_RD_2025.pdf