Enrichissement et modélisation de bases de données en vue de l

Stage : Enrichissement et modélisation de bases
de données en vue de l’apprentissage profond de
la segmentation
Etienne Decencière
Centre de Morphologie Mathématique (CMM)
MINES ParisTech
1
Sujet
La segmentation est une étape souvent essentielle dans une application de traitement d’images. Des méthodes de segmentation faisant appel à l’apprentissage
profond (deep learning) ont permis d’obtenir d’excellents résultats. Cependant,
elles requièrent des bases d’images segmentées à la main, ce qui représente un
travail considérable. Des méthodes d’enrichissement de la base d’apprentissage
ont été proposées et sont utilisées en routine pour lutter contre ce problème.
Dans certains cas, il est envisageable d’aller plus loin, et de simuler des images
et les segmentations correspondantes pour améliorer l’apprentissage. Le stage
proposé porte sur cette approche.
Les bases de données qui seront utilisées dans cette étude proviennent du
domaine biomédical, en particulier de collaborations industrielles du Centre de
Morphologie Mathématique.
Le candidat doit avoir au moins des notions de base en apprentissage statistique et en traitement d’images. Les expériences réalisées seront codées en
Python, à l’aide de librairies Open Source. Le stage devrait s’achever par la rédaction d’un article scientifique. Le stage sera réalisé au Centre de Morphologie
Mathématique de MINES ParisTech, à Fontainebleau.
2
Procédure de candidature
Envoi d’un CV à [email protected]
3
Références
• Long et al. Fully convolutional networks for semantic segmentation,
CVPR 2015.
• Ronneberger et al. U-Net: convolutional networks for biomedical image
segmentation, MICCAI 2015.
1