LidarNet: Un pipeline d'annotation et de validation de données Lidar Scientifique pour l'apprentissage

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

161 Rue Ada
34095 Montpellier
France

Contacts
Emmanuel Faure
Email du/des contacts
emmanuel.faure@lirmm.fr
Description

Dans ce projet, nous sommes intéressés par la validation et l’annotation de données LIDAR scientifiques.
Depuis les années 2000, l’utilisation du LiDAR (Ligth Detection And Ranging) s’est considérablement développée et a permis de nombreuses avancées dans la caractérisation des environnements urbains, archéologiques, agronomiques, etc. Les scanners LiDAR permettent de scanner rapidement un environnement et échantillonner sous forme de points sa géométrie. Néanmoins, même s’ils sont riches d’information, les nuages de points de scans restent des objets géométriques non structurés qui nécessitent généralement d'importants traitements pour restaurer une information sémantique.
Pour faire cela, les systèmes d’apprentissage machine, comme les réseaux de neurones artificiels profonds (le ​deep learning​), s'appuient sur de très grandes quantités de données validées pour inférer des informations plus sémantiques plus haut niveaux (type d’objet, position, etc.). Les algorithmes ont besoin d’exemples pour apprendre afin de pouvoir faire de l’inférence de manière automatique.
De nos jours, les différentes communautés scientifiques utilisant le LIDAR font face à des enjeux de ​Big Data : l’amélioration des techniques d’acquisition et l’augmentation des capacités de stockage ont conduit à la génération de gigantesques masses de données qu’il est difficile de manipuler et visualiser. De plus, des outils efficaces et adaptés pour l’annotation de telles données sont actuellement manquants.

Dans ce contexte, l’objectif du stage est de créer un outil en ligne permettant d’annoter et valider des données de LIDAR scientifique depuis n’importe quel poste de travail, en utilisant un service en ligne permettant de centraliser le stockage et la manipulation des BDs de points. Le travail s’appuiera sur un outil déjà existant, MorphoNet, une plateforme de visualisation et d'annotation de données anatomiques 3D développée en Unity 3D. Le but sera d’y intégrer des données LIDAR.

Profil souhaité du candidat :
Ce stage s’adresse avant tout à des étudiants de Master ayant des compétences en c​omputer graphics ​ qui manifestent une curiosité et un minimum de culture scientifique. Le candidat idéal montrera de l’autonomie, du dynamisme et de la créativité.
De bonnes connaissances en Unity 3D sont souhaitées.

Durée du stage :​ ​6 mois à partir de Février 2021

Equipe adhérente personne morale SFBI
Equipe Non adhérente