Projet GDeepEquine II – Analyse multimodale de la locomotion du cheval

Efrei Research Lab, Paris Panthéon-Assas Université; Île-de-France; Sur place; EUR 40 000 - 60 000; Plein temps

Résumé du poste

Un laboratoire de recherche en informatique recherche un élève ingénieur pour un stage M2 à l'EFREI. Le projet consiste à développer une approche multimodale utilisant des données inertielles et vidéo pour améliorer l'analyse de la locomotion des chevaux. Les candidats doivent avoir une bonne maîtrise du développement orienté objet en Python, ainsi que des connaissances en apprentissage profond et en vision par ordinateur. Le stage se déroulera sous la supervision de Faten Chackhouk et Benoît Pasquiet.

Qualifications

• Solides connaissances en développement OO Python.
• Expérience en apprentissage profond nécessaire.
• Connaissances en vision par ordinateur requises.

Responsabilités

• Développer une approche multimodale pour l'analyse de la locomotion équine.
• Aligner temporellement les données inertielles et vidéos.
• Prédire des valeurs en masquant certaines modalités si nécessaire.

Connaissances

Développement OO Python

Apprentissage profond

Vision par ordinateur

Analyse d’images / vidéos

Formation

Élève Ingénieur M2 en informatique

Description du poste

Description

L’EFREI, grande école du numérique, et l’Institut Français du Cheval et de l’Equitation (IFCE) collaborent à un projet de recherche sur l’analyse automatisée de la locomotion du cheval grâce à la vision par ordinateur et au Deep Learning.

Analyser la locomotion des chevaux permet de les comparer, sélectionner les meilleurs, détecter des boiteries, etc. Cette analyse repose historiquement sur une observation par des experts. Depuis une trentaine d’années, le développement des accéléromètres puis des centrales inertielles a permis d’étudier la locomotion des chevaux, en conditions de terrain, grâce à des capteurs. Plus récemment, l’estimation de pose ouvre la voie à une analyse de la locomotion à partir de vidéos.

Des méthodes d’apprentissage automatisé ont déjà été développées pour reconnaître l’allure du cheval (pas, trot, galop) à partir de centrales inertielles ou de données de pose.

L’objet de ce stage sera de développer une approche multimodale, associant données inertielles et données vidéos ou données de pose, pour améliorer ces méthodes d’analyse de la locomotion équine.

Nous utiliserons pour cela un jeu de données récemment construit par l’IFCE. Dans ce jeu de données, les données vidéos ont été collectées simultanément par 10 caméras synchronisées et les chevaux étaient équipés de 5 centrales inertielles. Un ensemble de mouvements aux différentes allures est réalisé par ces chevaux.

Problématiques

• Les capteurs inertiels et les capteurs vidéo ayant des fréquences d’acquisition et des horloges différentes, comment aligner temporellement les données inertielles et les données vidéos?
• Comment tenir compte des relations spatiales entre données inertielles et estimations de pose, pour réaliser une tâche de prédiction multimodale?
• Si on masque l’une des modalités, pourrait-on reconstituer ses valeurs à partir des autres modalités ? Ceci permettrait de répondre en cas de capteurs absents ou d’impossibilité de réaliser une captation vidéo.

Ce stage se déroulera à l’EFREI Research Lab, à Villejuif, sous la responsabilité de Faten Chackhouk, enseignante-chercheur, et sera co-encadré par Benoît Pasquiet, ingénieur de recherche à l’IFCE.

Profile

Elève Ingénieur en recherche de stage M2 en informatique ayant des connaissances solides en :

• Développement OO Python
• Apprentissage profond
• Connaissances en vision par ordinateur, analyse d’images / vidéos

Starting date

• 02-02