Génération automatique d'images annotées pour les métiers de l'environnement : application au traitement des déchets et à la surveillance d'infrastructures de transport des eaux usées
Auteur / Autrice : | Aloïs Babé |
Direction : | Serge Miguet |
Type : | Projet de thèse |
Discipline(s) : | Informatique |
Date : | Inscription en doctorat le 09/05/2023 |
Etablissement(s) : | Lyon 2 |
Ecole(s) doctorale(s) : | InfoMaths - Informatique et Mathématiques de Lyon |
Partenaire(s) de recherche : | Laboratoire : LIRIS - Laboratoire d'InfoRmatique en Image et Systèmes d'information |
Mots clés
Résumé
Cette thèse en convention CIFRE permet de concrétiser une collaboration entre l'équipe Imagine du LIRIS, spécialisée dans le traitement et l'analyse de données visuelles, et le groupe Veolia, spécialisé dans la transformation écologique, la valorisation des déchets, le transport des eaux usées. De plus en plus d'applications nécessitent l'acquisition de grandes quantités d'images, qui doivent être analysées en temps réel, pour déclencher des actions. Le traitement automatisé de ces grands volumes de données peut bénéficier des avancées récentes dans le domaine de l'apprentissage profond. Afin d'assurer une gestion optimale et sécurisée des ouvrages de transport des eaux usées, une inspection télévisée, au moyen d'un chariot équipé d'une caméra et inséré dans une canalisation, peut être utilisée. Le processus est majoritairement manuel et basé sur l'expertise de l'opérateur qui visualise les images en direct, détecte, identifie les défauts observables (fissures, ruptures, défauts de jointure entre tronçons...) et fournit un rapport d'inspection. De même, dans le contexte de la collecte et du tri de déchets solides, le contrôle qualité de flux de déchets complexes est réalisé à l'aide d'images au sein desquels les experts identifient les objets intrus. L'amélioration de ces processus de contrôle qualité et d'identification d'anomalies sur des images et des vidéo est donc un enjeu crucial. Différentes techniques d'apprentissage profond, de statistiques et de traitement d'images, ont été mises en uvre pour répondre à ce besoin. Néanmoins, ces techniques nécessitent des volumes importants d'images annotées pour lesquelles le déséquilibre des classes d'objets ou de défauts à identifier représente un réel défi pour une utilisation opérationnelle. L'objet du projet de thèse est d'explorer différentes approches (synthèses d'images, annotation hiérarchique, apprentissage auto-supervisé, réseaux génératifs antagonistes, etc.) permettant de générer des images représentatives annotées à l'aide d'informations transférées d'autres contextes ou d'informations faibles.