Stage M2 / fin d’étude
Ce stage vise à explorer comment les données synthétiques et les méthodes récentes d’adaptation de domaine peuvent être utilisées pour améliorer la robustesse des modèles de Deep Learning appliqués à la détection des cultures et adventices. Il s’appuiera notamment sur l’outil CropCraft, développé par l’unité TSCF de l’INRAE, pour générer des données synthétiques et tester différentes approches permettant de réduire l’écart entre données simulées et réelles.
Les détails du sujet ainsi que les modalités de candidature figurent dans le document ici.
