Stage – Adaptation de Domaine et Apprentissage Profond Application à la Vision Embarquée en Agriculture H/F

Les réseaux de neurones profonds sont devenus l’approche de référence pour la vision par ordinateur dans un grand nombre d’applications, en raison des performances exceptionnelles qu’ils démontrent « en laboratoire ». L’adoption généralisée de ces méthodes a également profité au secteur de la robotique agricole en lui fournissant des modèles visuels de haute qualité, qui constituent le composant perceptif des robots.

L’un des défis majeurs est celui du changement de domaine qui entraîne souvent une dégradation significative des capacités prédictives du réseau de neurones, le rendant parfois inutilisable.

Ce stage vise à explorer différentes méthodes d’adaptation de domaine pour adapter des réseaux de neurones entraînés sur des images acquises avec une caméra source, afin qu’ils puissent être déployés sur des images acquises avec une caméra cible. Ici, la caméra source et la caméra cible présentent des caractéristiques optiques et colorimétriques différentes. Le stage s’articulera en trois étapes :
1. Étude bibliographique des méthodes d’adaptation de domaine de l’état de l’art,
2. Implémentation et adaptation de ces principales méthodes,
3. Validation expérimentale sur des données réelles en imagerie agricole.

Le stage est financé par EXXACT Robotics et accueilli par le Laboratoire IMS à Bordeaux.

Étudiant(e) en dernière année de Master ou d’école d’ingénieurs en apprentissage automatique, statistiques, traitement d’images, informatique ou dans un domaine connexe, vous avez un fort intérêt pour la recherche appliquée en apprentissage profond, vision par ordinateur et robotique.

Un intérêt et une motivation pour l’agriculture et l’environnement constituent un atout majeur.

Vous avez d’excellentes compétences en programmation en Python, ainsi qu’une bonne connaissance et expérience des principales bibliothèques d’apprentissage profond (PyTorch, TensorFlow, Keras…).