Post-doctorat en intelligence artificielle (H/F) - Brest, Bretagne, FR - IFREMER

Publiée le: 2/15/2021

Résumé de l'offre

Description de l'offre

Poste à pourvoir: Post-doctorat en intelligence artificielle (H/F)

Référence du poste : PV-2021-874

Structure d'accueil : Département des Ressources Physiques et Ecosystemes de fond de Mer

Unité de recherche Etudes des Ecosystemes Profonds

Laboratoire Environnement Profond

Localisation :  Brest, Bretagne, FR

Durée du contrat : 18 mois

 

Date de clôture de réception de candidatures : 28/02/2021

 

 

L’Ifremer

Reconnu dans le monde entier comme l’un des tout premiers instituts en sciences et technologies marines, l’Ifremer s’inscrit dans une double perspective de développement durable et de science ouverte. Il mène des recherches, innove, produit des expertises pour protéger et restaurer l’océan, exploiter ses ressources de manière responsable, et partager les connaissances et les données marines afin de créer de nouvelles opportunités pour une croissance économique respectueuse du milieu marin.

Présents sur toutes les façades maritimes de l’hexagone et des outremers, ses laboratoires sont implantés sur une vingtaine de sites dans les trois grands océans : l’océan Indien, l’Atlantique et le Pacifique. Pour le compte de l’Etat, il opère la Flotte océanographique française au bénéfice de la communauté scientifique nationale. Il conçoit ses propres engins et équipements de pointe pour explorer et observer l’océan, du littoral au grand large et des abysses à l’interface avec l’atmosphère.

Ouverts sur la communauté scientifique internationale, ses 1500 chercheurs, ingénieurs et techniciens font progresser les connaissances sur l’une des dernières frontières inexplorées de notre planète ; ils contribuent à éclairer les politiques publiques et à l’innovation pour une économie bleue durable. Leur mission consiste aussi à sensibiliser le grand public aux enjeux maritimes.

Fondé en 1984, l'Ifremer est un établissement public à caractère industriel et commercial (EPIC), dont le budget avoisine 240 millions d’Euros. Il est placé sous la tutelle conjointe des ministères de l'Enseignement supérieur, de la Recherche et de l’Innovation (MESRI), de la Transition écologique et solidaire (MTES), de l’Agriculture et de l’Alimentation (MAA).

 

Description de l'offre:

Titre

Annotation Boostée des modèles 3D de monts hYdrothermaux Sous-marins par apprentisSage profond d’adaptation de domainES - ABYSSES

 

Mots-clés : Cartographie des habitats, écosystème hydrothermaux, imagerie sous-marine, apprentissage machine, apprentissage par transfert

 

Résumé

L’utilisation de l’imagerie sous-marine est devenue un outil incontournable dans l’évaluation de la biodiversité et le suivi écologique des écosystèmes marins [[1] Durden JM et al. (2016) Perspectives in visual imaging for marine biology and ecology: From acquisition to understanding. Oceanogr. Mar. Biol. 54:1-72]. Parmi ces approches, la reconstruction 3D des fonds permet une caractérisation fine, et sur de grandes surfaces (i.e. km) des attributs biologiques (communautés animales, habitat, espèces) et environnementaux (substrat, pente, rugosité, topographie) des écosystèmes benthiques [[2] Robert K et al. (2017) New approaches to high-resolution mapping of marine vertical structures. Sci Rep 7:9005 [3] Gerdes K et al. (2019) Detailed mapping of hydrothermal vent fauna: A 3d reconstruction approach based on video imagery. Front. Mar. Sci. 6: 96].

Les environnements hydrothermaux, localisés le long des dorsales océaniques, et caractérisés par des topographies accidentées complexes (i.e. escarpements, cheminées, crevasses) qui jouent un rôle important sur la distribution de la biodiversité [[4] Girard F et al. Currents and topography drive assemblage distribution on an active hydrothermal edifice. Prog. Oceanogr. (in review)], sont donc particulièrement bien adaptés à ces approches 3D. Mais l’étape d’annotation est chronophage et nécessite une puissance d’analyse supérieure à la capacité humaine du laboratoire. Les méthodes de Deep Learning permettent le développement de capacités de traitement automatique de large base de données. Leurs performances en identification autorisent la mise à disposition d’outils de traitement d’images complexes du milieu marin, domaine réservée à une expertise rare. Mais un réseau convolutionnel nécessite une longue phase d'entraînement à partir de nombreuses images annotées, et les outils et méthodes actuels ne garantissent pas une annotation suffisamment qualitative et quantitative.

 

Pour répondre à cette problématique, on se base sur l’hypothèse que certaines caractéristiques visuelles des écosystèmes hydrothermaux sont communes avec d’autres domaines visuels dont la disponibilité de données annotées est plus conséquente. Si à l’origine des entraînements des réseaux de neurones profonds, la disponibilité de données était déterminante, aujourd’hui, la prolifération des bases annotées dans des domaines très variés permet de compenser la manque de données d’un nouveau domaine par son affinité avec d’autres. La thématique dite apprentissage par transfert [[5] S. J. Pan et al. (2010), A Survey on Transfer Learning, in IEEE Transactions on Knowledge and Data Engineering, vol. 22, no. 10, pp. 1345-1359, 2010] porte sur la famille des méthodes permettant d'émerger de manière automatique ces affinités. Dans notre contexte, on s’intéresse plus particulièrement au développement des méthodes de la famille de ‘’transductive transfer learning’’ ou “unsupervised domain adaptation” [[6]  G. Kang et al. (2019), Contrastive Adaptation Network for Unsupervised Domain Adaptation, IEEE Int. Conf. on Computer Vision and Pattern Recognition. L’objectif de notre étude sera d’établir cette affinité avec des domaines correspondants aux surfaces terrestres, cartographiées par des véhicules mobiles ou aériens. Minimiser le désaccord (discrepancy) entre ces domaines permettra de transitionner de l’annotation entièrement supervisée des écosystèmes hydrothermaux en un prototype d’annotation non-supervisée.

Ce projet, sur l’exemple complexe des écosystèmes hydrothermaux, constitue une première étape vers la mise en place de nouveaux outils numériques afin d’accélérer notre capacité à cartographier, à haute résolution, et sur des larges emprises spatiales les caractéristiques biologiques, environnementales et topographiques des fonds marins. Le développement de tels outils augmentera notre capacité à explorer les écosystèmes benthiques profonds et donc accélérer l’acquisition de nos connaissances sur ces milieux.

 

Structure d’accueil

Le laboratoire Environnement Profond (LEP) d’Ifremer articule ses recherches autour de l’étude de la structure, du fonctionnement et de la dynamique temporelle des écosystèmes marins profonds : systèmes sédimentaires, coraux, canyons, et sources froides et hydrothermales. Les connaissances acquises dans le laboratoire participent d’abord à un objectif fondamental de compréhension du fonctionnement naturel de l’océan mais sont aussi de plus en plus reliées à des questions sociétales en lien avec l’impact des activités anthropiques sur les écosystèmes marins vulnérables (exploitation des ressources biologiques, énergétiques et minérales). Quantifier ces impacts nécessite une bonne connaissance de l’état de santé des écosystèmes, et une évaluation à grande échelle de leur changement au cours du temps. Le milieu profond représentant plus de 60% de la surface de la planète, ceci nécessite la mise en place d’approches non destructives pouvant couvrir de larges surfaces. Dans ce contexte, la cartographie par imagerie acoustique et optique est apparue comme un outil puissant, et a connu un fort engouement dans la communauté internationale cette dernière décennie.  

 

 

 

 

Profil recherché

Compétences souhaitées : Doctorat en informatique avec compétences en intelligence artificielle, vision par ordinateur et apprentissage automatique

Expérience de 18 mois à l’étranger requise.

 

 

Collaborations

Au sein du LEP, le/la candidate interagira principalement avec Marjolaine Matabos, chercheur en écologie benthique des environnements profonds, et Catherine Borremans, ingénieure en imagerie. Il/elle sera aussi amené(e) à collaborer avec Aurélien Arnaubec (Ifremer Toulon) pour les aspects techniques.

Le projet sera réalisé en collaboration avec des collègues du CERV (Centre Européen de Réalité Virtuelle), Panagiotis Papadakis (IMTA) et Cédric Buche (ENIB), en charge de l’aspect méthodologique du projet. Le/la candidat sera amené(e) à travailler et échanger régulièrement avec eux.

 

 

 

Pour postuler

Date de clôture de réception de candidatures : 28/02/2021

Toutes nos candidatures sont traitées exclusivement via notre site Carrières.