STAGE Segmentation hiérarchique de nuages de points 3D

Date de mise à jour de l’offre

THE CROSS PRODUCT :

The Cross Product propose des logiciels de gestion d’infrastructures linéaires (ferroviaires, électriques, autoroutières, réseaux de canalisation enterrés, etc.) capables d'effectuer des inspections, inventaires, calculs de rétro-conception et calculs métiers. La combinaison du LiDAR 3D avec l’IA permet de réaliser ces traitements à grande échelle, de manière automatique, rapide et précise. Nos solutions SaaS s’adressent aux gestionnaires de réseaux, aux géomètres et aux sociétés d’ingénierie.

Description de la mission

Les nuages de points sont des données massives représentant de manière précise la géométrie 3D des objets et de scènes à grande échelle. Aujourd'hui, ce type de données est utilisé dans de nombreuses applications comme la maintenance d’infrastructures ou les véhicules autonomes. Dans de nombreuses applications, une étape fondamentale du traitement de ces données est la segmentation du nuage de points. Dans ce contexte, le but est de décomposer le nuage de points en sous-ensembles cohérents (segments) qui composent la scène ou l’objet représenté. Ensuite, ces segments peuvent être classifiés en ajoutant un label sémantique indiquant le type d’objet auquel il appartient.
Depuis plusieurs années, les algorithmes de recherche de pointe s'appuient sur des mécanismes d'apprentissage profond supervisé (Deep Learning) pour résoudre le problème. L'une des principales limitations des techniques d'apprentissage supervisé est le grand nombre d'objets nécessaires pour entraîner un modèle.
Dans le domaine de la classification automatique, une représentation plus riche est la segmentation hiérarchique, qui consiste à obtenir des partitions emboîtées à plusieurs échelles des données d’entrée. Les clusters d’un niveau de la hiérarchie sont obtenus en fusionnant les clusters du niveau inférieur de la hiérarchie. Les algorithmes construisant une telle hiérarchie sont appelés des approches “top-down ou “bottom-up”.
Ce stage se propose de continuer l’exploration de l’apprentissage des hiérarchies dans le cas de nuage de points, par exemple, sur le jeu de données PartNet [4] (voir image ci-dessous). Les objectifs du stage sont en même temps la recherche des modèles d'apprentissage profond équivariants pour les nuages de points 3D et conjointement l'étude de modèles pour adapter la méthodologie proposée par Gigli et al. [3] au cas de nuages de points. Notamment, un possible enjeu sera de comprendre comment s’attaquer au coût computationnel dû à l’augmentation du nombre de points à traiter.
Le stagiaire rédigera un rapport technique servant de base à une publication scientifique. En fonction des résultats obtenus, il y aura la possibilité de continuer avec une thèse CIFRE aux MINES ParisTech.
Encadrement :
Leonardo Gigli - https://www.researchgate.net/profile/Leonardo-Gigli-2
Santiago Velasco-Forero - https://people.cmm.minesparis.psl.eu/users/velasco/
Andrés Serna - https://scholar.google.com/citations?user=eBQWZoAAAAAJ

Profil recherché

Ce stage de fin de cursus ingénieur ou universitaire s’adresse à des étudiants spécialisés en mathématiques appliquées, vision par ordinateur et apprentissage automatique. Le candidat devrait s’intéresser aux interactions entre les mathématiques, la datascience et l’informatique ainsi qu’avoir des connaissances en Python et PyTorch.

Niveau de qualification requis

Bac + 4/5 et +
  • Employeur
    THE CROSS PRODUCT
  • Secteur d’activité de la structure
    Emploi - Economie - Innovation - Numérique
  • Effectif de la structure
    De 0 à 10 salariés
  • Site internet de la structure
    http://www.thecrossproduct.com
  • Type de stage ou contrat
    Stage d'immersion en milieu professionnel dans le cadre de la formation professionnelle continue
  • Date prévisionnelle de démarrage
  • Durée du stage ou contrat
    Plus de 4 mois et jusqu'à 6 mois
  • Le stage est-il rémunéré ?
    Oui
  • Niveau de qualification requis

    Bac + 4/5 et +
  • Lieu du stage
    35
    Rue Saint-Honoré
    77300 FONTAINEBLEAU
  • Accès et transports
    Train : TER Ligne R (40 minutes depuis Gare de Lyon)