Description
Date depot: 12 décembre 2019
Titre: L’apprentissage profond pour la détection d’irrégularités et l’indexation en Imagerie par Rayons X
Directeur de thèse:
Camille KURTZ (LIPADE)
Directeur de thèse:
Nicolas LOMENIE (LIPADE)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Images et vision
Resumé:
Le sujet de thèse CIFRE proposé s’intéresse aux domaines de la classification supervisée, de la recherche d’irrégularités et de l’indexation d’images par « deep learning » (apprentissage profond) [LeCun2015], en particulier sur des images de véhicules et de conteneurs.
Indexer une image consiste en la vectorisation de cette dernière via l’extraction de caractéristiques visuelles (textures, couleur, indices de formes) pour permettre un stockage dans une base de données et une recherche ultérieure d’informations [Smeulders2000].
Cette problématique d’analyse de chargement et d’indexation intervient dans notre contexte dans deux cas d’usage, qui seront tous les deux explorés dans le cadre de la thèse CIFRE :
Aider un opérateur débutant à profiter de l’expertise de ses collègues experts pour interpréter le contenu d’une image en lui proposant, automatiquement, les verdicts de photo-interprétation de ses derniers, via une recherche d’images par le contenu ;
Générer automatiquement des rapports textuels décrivant le contenu du chargement à partir de l’image.
Dans les deux cas d’usage, l’objectif commun, qui peut être considéré comme le fil conducteur de ce projet de recherche, est de considérer une représentation haut-niveau du contenu des images permettant une indexation efficace, rapide et « évolutive » (robuste envers l’ajout de nouvelles images dans la collection).
[Smeulders2000] Arnold W. M. Smeulders, Marcel Worring, Simone Santini, Amarnath Gupta, Ramesh C. Jain: Content-Based Image Retrieval at the End of the Early Years. IEEE Trans. Pattern Anal. Mach. Intell. 22(12): 1349-1380 (2000)
Doctorant.e: Risser-Maroix Olivier