> Offres de formation > Offres de thèses

Réseau de neurones embarqué multi-tâches pour la détection et le suivi d'objets en temps réel

Défi technologique : Data intelligence dont Intelligence Artificielle (en savoir +)

Département : Département Systèmes et Circuits Intégrés Numériques (LIST)

Laboratoire : Laboratoire Intelligence Artificielle Embarquée

Date de début : 01-10-2022

Localisation : Saclay

Code CEA : SL-DRT-22-0323

Contact : martyna.poreba@cea.fr

Le sujet de thèse proposé se situe dans le domaine de la perception embarquée pour le suivi multi-classes (personnes, voitures, cyclistes...) en temps-réel. Le suivi d'objets est une des problématiques centrales du fait de son large champ d'application impliquant les véhicules autonomes, la navigation de robots, l'imagerie médicale ou la vidéosurveillance. Issus d'informations visuelles provenant de différents capteurs, suivre un objet nécessite la combinaison de plusieurs tâches : détection d'objets, modélisation de l'apparence visuelle et/ou prédiction du mouvement. Les approches de suivi peuvent être divisées en trois types : 1) SDE (Separate Detection and Embedding) sépare la détection et l'extraction des caractéristiques visuelles ; 2) JDE (Joint Detection and Embedding) se base sur un apprentissage de bout-en-bout de réseaux de neurones pour la détection et la description de l'apparence de manière simultanée ; 3) JDT (Joint Detection and Tracking) étend les approches JDE par la notion de co-similarité entre objets. Ce type d'algorithme peut également proposer un réseau pour la détection et la prédiction de mouvement conjointe d'objets. Durant ces dernières années, les méthodes basées réseaux de neurones pour la détection des objets, l'extraction des caractéristiques visuelles ou la prédiction de mouvement ont fait des progrès remarquables. Cependant, peu d'attention a été portée à la conception de réseaux de neurones qui visent à traiter conjointement un ensemble de tâches connexes. Une telle architecture permet pourtant d'améliorer les performances et d'optimiser le temps de calcul lors de l'inférence. Ce projet de thèse a pour but d'explorer les réseaux multi-tâches pour un algorithme de type JDE ou JDT et leur capacité d'intégration sur des systèmes embarqués à ressources limitées (consommation d'énergie et empreinte mémoire). Le laboratoire LIAE disposant de plateformes robotiques mobiles et d'un véhicule électrique autonome, les résultats de cette thèse seront valorisés en alimentant les briques de perception embarquées de ces systèmes.

Voir toutes nos offres Télécharger l'offre (.zip)

Email Bookmark and Share