En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)

Thèse en traitement d'images/graphes (H/F)

Cette offre est disponible dans les langues suivantes :
Français - Anglais

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d’augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !

Faites connaître cette offre !

Informations générales

Référence : UMR5672-NELPUS-001
Lieu de travail : LYON 07
Date de publication : jeudi 9 janvier 2020
Nom du responsable scientifique : Nelly Pustelnik
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 1 septembre 2020
Quotité de travail : Temps complet
Rémunération : 2 135,00 € brut mensuel

Description du sujet de thèse

La détection d'interfaces est une question difficile en traitement d'images et plus généralement dans l'analyse de graphes. Ce sujet de recherche est en lien avec un large panel d'applications allant de la recherche géophysique à des études sociologiques. Le point commun de ces applications est la volonté d'avoir une détection d'interface à une échelle fine, éventuellement avec une précision sous-pixellique, afin d'extraire des paramètres interprétables (par exemple physiques ou sociaux), à partir de données à haute résolution.

Cette thèse est consacrée au développement d'outils de traitement d'images / graphes qui reposent à la fois sur des techniques d'optimisation et d'analyse multirésolution pour fournir un nouveau paradigme pour la détection d'interface sur des données à grande échelle. Ce projet repose essentiellement sur:
* une étude théorique approfondie du modèle discret de Mumford-Shah (MS) pour effectuer une détection précise de l'interface;
* la conception d'algorithmes proximaux multi-échelles pour permettre la mise en œuvre du modèle Mumford-Shah discret sur des données à grande échelle;
* l'étude de solutions alternatives reposant sur des stratégies d'apprentissage profond.

Plus d'informations: http://perso.ens-lyon.fr/nelly.pustelnik/pdf/SujetPhD2019.pdf

Contexte de travail

La thèse se déroulera entre le Laboratoire de Physique de l'ENS de Lyon et l'UCLouvain deux environnements de travail dynamiques et complémentaires.

Informations complémentaires

ANR Multisc'In

On en parle sur Twitter !