Description du poste

L’offre de Post-doctorat en deep learning pour une simulation réaliste de dégradation en imagerie sous-marine s’inscrit dans le projet SUBSEE4D co-porté par la société Cervval, spécialisée dans la simulation numérique et l’aide a la décision dans les systèmes complexes, et France Energies Marines, institut de recherche sur les énergies marines renouvelables (EMR) et IMT Atlantique. Les éoliennes posées ou flottantes et hydroliennes constituent de grands projets d’infrastructures coûteux en termes d’investissement et aussi, du fait de l’environnement marin contraignant, en termes d’exploitation et de maintenance, en particulier pour la partie immergée : inspection des anodes, détection de corrosion, surveillance des agrégats organiques (bio-colonisation), surveillance de l’état structurel en particulier des câbles sous marins et lignes d’ancrages. Les gestionnaires de parcs d’EMR vont faire face a des difficultés d’exploitation et de maintenance inédites, même supérieures à celles des acteurs de l’offshore pétrolier, notamment du fait des eaux peu profondes qui caractérisent les installations EMR : les courants, les vagues, la turbidité des eaux, la prolifération des organismes vivants sur les infrastructures rendent difficiles les interventions des plongeurs et des robots sous-marins (ROV : Remote Operated Vehicle) et dégradent et endommagent les infrastructures.

Dans ce cadre, l’objectif du poste est de développer un génerateur de dégradation d’images par apprentissage permettant l’implémentation d’une simulation temps-réel des conditions de vision sous l’eau avec différents paramètres contrôlant l’effet de différentes turbidités. En effet, un simulateur conventionnel demande de puissantes ressources processeur, pour apporter la faculté de simuler un environnement dégradé pour la formation des plongeurs et pour la création de banques d’images. Au vu de la difficulté et du coût de l’acquisition d’images sous-marines, nous utiliserons des images synthétiques dont la dégradation est effectuée par un simulateur spécialisé de l’IFREMER. Les techniques d’apprentissage de modèles génératifs de l’état de l’art telles que les Generative Adversarial Networks (GAN) et leurs variantes seront utilisés pour générer des données réalistes.

Le candidat devra definir et développer et valider des architectures de modèles genératifs adapté au problème des simulations de dégradation en eau peu profonde. Le travail sera valorisé par des publications méthodologiques et appliquées dans les conférences et journaux scientifiques du domaine.

Modalités de candidature

Envoyez un CV et une lettre e motivation à Lucas Drumetz, Maître de conférences, IMT-Atlantique, Département Signal et Communications, et UMR Lab- STICC, équipe TOMS : lucas.drumetz@imt-atlantique.fr