[Job] [STAGE] GeoData Science : Segmentation d'images satellites - Brest(29)

Annonce postée par : valentin godé (valentin.gode(a)shom.fr) ---------------------------------------- Intitulé du Stage : « analyse statistique d’images satellites à des fins de segmentation automatique (machine learning / deep learning) » Niveau: ingénieur ou master Durée : 6 mois Description de l’établissement : Le Shom est l’opérateur public pour l’information géographique maritime et littorale de référence. Etablissement public administratif sous tutelle du ministère des armées, il a pour mission de connaître et décrire l’environnement physique marin dans ses relations avec l’atmosphère, avec les fonds marins et les zones littorales, d’en prévoir l’évolution et d’assurer la diffusion des informations correspondantes. L’exercice de cette mission se traduit par trois activités primordiales : • de l’hydrographie nationale, pour satisfaire les besoins de la navigation de surface, dans les eaux sous juridiction française et dans les zones placées sous la responsabilité cartographique de la France ; • du soutien de la défense, caractérisé par l’expertise apportée par le Shom dans les domaines hydro-océanographiques à la direction générale de l’armement et par ses capacités de soutien opérationnel des forces ; • du soutien des politiques publiques de la mer et du littoral, par lequel le Shom valorise ses données patrimoniales et son expertise en les mettant à la disposition des pouvoirs publics, et plus généralement de tous les acteurs de la mer et du littoral. Le stage se déroulera au sein du laboratoire d’innovation du Shom. Contexte : Dans le cadre de ses activités de production de modèles numériques de terrain (MNT) bathymétriques, le Shom est amené à réaliser des modèles de bathymétrie (estimation de la profondeur) à partir de l’exploitation d’images satellites multispectrales (communément appelés SDB ou Satellite Derived Bathymetry). Le Shom s’est récemment doté d’une chaîne de traitement SDB capable d’exploiter plusieurs sources d’imagerie dont celle issues des capteurs Sentinel-2 du programme européen Copernicus. Cette chaîne est basée sur des techniques d’inversion du transfert radiatif qui sont sensibles à la qualité des images exploitées et aux variations environnementales. L’apport de l’IA pour la qualification de ces images et des conditions environnementales est actuellement étudié dans le but de réduire les temps de traitement tout en améliorant la fiabilité du processus. En 2023, un premier stage a été mené pour tester et mettre en place des algorithmes de segmentation.Il avait pour objectif d’évaluer la capacité des méthodes d’apprentissage supervisé à distinguer et discriminer les informations spectrales contenues dans les images satellites Sentinel-2. Une première chaîne de traitement a été réalisée et les résultats ont été encourageants. Cependant, certaines limites ont été identifiées, notamment la complexité à établir un modèle générique applicable à l’échelle du globe. Ces limites sont principalement en lien avec la variabilité des caractéristiques spectrales, tant à l’échelle mondiale, qu’au sein de chaque classe de segmentation. Il est donc essentiel de mieux appréhender les différences régionales et de réviser la base de connaissances en disposant de descripteurs géospatiaux plus robustes. Ce travail permettra d’améliorer le processus final de classification des images. Objectif : Les différentes tâches consisteront à : - Réaliser des analyses non supervisées sur un groupe d’images afin d’identifier les similarités entre zones géographiques et les risques de confusion ; - Démontrer statistiquement (MANOVA, …) la pertinence des clusters obtenus ; - Proposer un schéma de regroupement à partir des résultats obtenus (par régions et par variables) et étudier la variabilité temporelle ; - Réaliser une analyse des descripteurs présents dans la base de connaissance existante (recherche des corrélations et redondances) ; - Proposer des améliorations (nouveaux descripteurs, nouvelles zones, …) ; - Evaluer les améliorations apportées sur la classification des images. En fonction de l’état d’avancement des travaux, l’étudiant proposera un schéma d’intégration de ses travaux dans la chaîne de traitement existante. Profil recherché : Vous êtes en dernière année d’un cursus ingénieur/master en data-science ou statistiques. Compétences requises : - Très bon niveau en statistiques, data mining ; - Maîtrise de python, R ; - Connaissances en machine learning souhaitées ; - Connaissances en outil SIG appréciées. Qualités personnelles : - Autonomie et esprit d’initiative - Rigueur et persévérance - Capacité de synthèse et de rédaction Modalités de candidature : Les dossiers de candidatures doivent être composés d’un CV et d’une lettre de motivation. Ils sont à adresser par courriel à rh(a)shom.fr pour le 01/02/2024 ---------------------------------------- L'annonce est située https://georezo.net/forum/viewtopic.php?pid=363573#p363573 Pour vous désabonner connectez-vous sur le forum puis Profil / Abonnement -- Association GeoRezo - le portail géomatique https://georezo.net (Message généré automatiquement. Ne pas répondre à ce message, utiliser les coordonnées contenues dans l'annonce)