Intégration de techniques d’apprentissage et d’optimisation combinatoire pour la résolution de problèmes de vision par ordinateur à grande échelle
Le (la) doctorant(e), recruté(e) sur 3 ans sur un projet collaboratif entre les équipes de recherche RAP et ROC, fera une étude de la littérature couplant les méthodes de recherche opérationnelle et d'apprentissage automatique (machine learning) dans le domaine de la vision par ordinateur, en particulier celles visant des applications de détection, localisation, réidentification de cibles dans le flux vidéo.
Dans un premier temps, il/elle s'appuiera sur les travaux entrepris au laboratoire sur la réidentification de personnes au sein d'un réseau de caméras ambiantes ce qui permettra de renforcer ses compétences et de valoriser ses résultats dans des conférences de Recherche Opérationnelle et Computer Vision.
Il/elle travaillera dans un deuxième temps sur le problème d’estimation de posture humaine par vision en s’inspirant des méthodes déjà proposées dans la littérature. Enfin, il/elle s’intéressera à coupler l’ensemble des travaux afin de proposer une chaine complète de détection de personnes, réidentification et suivi de postures humaines dans un réseau multi-caméra.
Les travaux de thèse seront conduits selon une démarche agile visant à produire des expérimentations de contexte de plus en plus abouties et réalistes en exploitant le réseau de caméras déjà déployées au sein du bâtiment ADREAM du laboratoire et ainsi proposer une démonstration pérenne.
ACTIVITÉS
État de l’art en vision et théorie des graphes
Utilisation de solveurs d’optimisation combinatoire
Utilisation de librairies de machine learning : Keras, Tensorflow, etc.
Développement d’algorithmes en C/C++/Python
Cette offre s’adresse spécifiquement à un(e) titulaire d’un diplôme bac+5 (Master ou ingénieur) ayant de bonnes connaissances en vision par ordinateur, optimisation combinatoire et machine learning.