DeepHornet : détection et caractérisation des attaques de frelons asiatiques aux abords immédiats des ruches.

Type de poste
Niveau d'étude minimal
Dates
Durée du poste
Contrat renouvelable
Contrat non renouvelable
Date de prise de fonction
Date de fin de validité de l'annonce
Localisation
Nom de la structure d'accueil
Adresse

avenue d'Agropolis
34390 Montpellier cedex 5
France

Contacts
Philippe Borianne
Frédéric Borne
Laurence Gaume
Email du/des contacts
philippe.borianne@cirad.fr
frederic.borne@cirad.fr
lgaume@cirad.fr
Description

Le stage consiste à dénombrer les captures d'abeilles par des frelons asiatiques à partir des méthodes de traitement automatique de détection d’objets dans des vidéos à base de Réseaux de Neurones Profonds pour alléger le travail des opérateurs tout en fiabilisant les comptages. L’étudiant.e travaillera à partir de vidéos de 1920x1080 pixels acquises à une fréquence de 25 images / seconde (voir image ci-jointe). Il / elle abordera les points suivants :

1- Etude bibliographique approfondie : très peu de publications rendent compte des travaux engagés sur ce domaine (Lin et al. 2018) ; l’étudiant.e devra donc porter son attention sur le domaine connexe du traitement des vidéos de trafics routiers, et identifier les réseaux de neurones les plus à même de donner de bons résultats ;

2. Déploiement / expérimentation : dans l’idéal, deux réseaux suivant des stratégies très différentes seront déployés, entrainés et comparés : le réseau convolutif Faster-RCNN[15-17] et le réseau récurrent MAM-RNN[18]. Ces déploiements se feront sous environnement Linux sur une machine équipée d’une Quadro P5000 ; l’étudiant.e devra prendre en considération les temps de traitement et proposer des optimisations pertinentes le cas échéant : une heure de vidéo représente au bas mot 90 000 images, 360 heures ont déjà été acquises.

3. Annotations et synthèse d’image : l’annotation reste un travail primordial pour l’apprentissage et la validation des réseaux ; il s’agit ici d’une étape complexe, notamment pour « trouver » les scènes captures dans les vidéos. L’entrainement à partir d’images de synthèse obtenues par combinaison de représentations de frelons et d’abeilles devra être abordé.

4. Suivi des détections : l’étudiant.e abordera enfin le suivi des différents objets d’une image à l’autre afin d’affiner le comptage de captures et de distinguer les attaques de frelons des vols « inoffensifs ».

Profil recherché : Le profil requis de l’étudiant(e) correspond préférentiellement aux formations informatiques ou bio-informatique BAC+4 / BAC+5. Le/la candidat(e) devra présenter un intérêt pour l’analyse d’image, le machine learning et les réseaux de neurones profonds. Des connaissances en programmation orientée objet (C++, Java) et en langage de script (Python) sont souhaitées.

Informations complémentaires : Le/la stagiaire sera basé(e) à Montpellier à l’UMR AMAP – botAnique et Modélisation de l’Architecture des Plantes et des végétations du CIRAD. Il/elle sera accueilli.e au sein du groupe I2P et encadré.e par Frédéric BORNE (frederic.borne@cirad.fr) et Philippe BORIANNE
(philippe.borianne@cirad.fr) pour la partie informatique et Laurence GAUME (lgaume@cirad.fr) pour l’aspect biologique.

Indemnités de stage : environ 580 € /mois + accès cantine CIRAD.

Candidature : Il est demandé à chaque candidat(e) de fournir un CV et une lettre de motivation (1 page max) par email aux encadrants. Une audition en présentielle ou par skype se tiendra début Avril.

Equipe adhérente personne morale SFBI
Equipe Non adhérente