StagePFE

[PFE en France] Segmentation panoptique 3D - Deep learning - 6 mois






 Présentation du laboratoire d’accueil 

Basé à Paris-Saclay, le CEA List est l’un des quatre instituts de recherche technologique de CEA Tech, direction de la recherche technologique du CEA. Dédié aux systèmes numériques intelligents, il contribue au développement de la compétitivité des entreprises par le développement et le transfert de technologies. 

L’expertise et les compétences développées par les 800 ingénieurs-chercheurs et techniciens du CEA List permettent à l’Institut d’accompagner chaque année plus de 200 entreprises françaises et étrangères sur des projets de recherche appliquée s’appuyant sur 4 programmes et 9 plateformes technologiques. 21 start-ups ont été créées depuis 2003.





 Labellisé Institut Carnot depuis 2006, le CEA List est aujourd’hui l’institut Carnot Technologies Numériques.

 Le Laboratoire de Vision et Apprentissage pour l’analyse de scène (LVA) mène ses recherches dans le domaine de la Vision par Ordinateur (Computer Vision) selon quatre axes principaux :

 - La reconnaissance visuelle (détection et/ou segmentation d’objets, de personnes, de patterns ; détection d’anomalies ; caractérisation) 

- L’analyse du comportement (reconnaissance de gestes, d’actions, d’activités, de comportements anormaux ou spécifiques pour des individus, un groupe, une foule) 

- Annotation intelligente (annotation à grande échelle de données visuelles 2D/3D de manière semi-automatique)

 - Perception et décision (processus de décision markovien, navigation).





 Description du stage

 L’objectif de ce stage est de proposer une nouvelle méthode de segmentation panoptique d’un nuage de point 3D. La segmentation panoptique 3D [2, 3, 4] prédit une carte de segmentation regroupant deux types d’information: la segmentation sémantique et la segmentation d’instances. La segmentation sémantique consiste à attribuer à chaque élément du nuage de point la classe auquel il appartient (arbre, route, voiture, personne...) tandis que la segmentation d’instances produit un masque pour chaque objet dans la scène. Le regroupement de ces deux types de segmentation fournit une description 3D très riche ce qui s’avère très utile dans un certain nombre d’application (notamment la conduite autonome, cartographie aérienne).





 Le stagiaire devra s’inspirer des algorithmes de reconnaissance 3D existants et des approches de segmentation panoptique appliqués aux images pour proposer une approche de segmentation panoptique 3D.

To apply, send an email with your resume and a motivation letter to lva-stages@cea.fr

Télécharger le sujet



Enregistrer un commentaire

0 Commentaires