Offre en lien avec l’Action/le Réseau : – — –/– — –
Laboratoire/Entreprise : CNRS Lyon/Grenoble/Chambéry
Durée : 5 à 6 mois
Contact : vincent.miele@univ-lyon1.fr
Date limite de publication : 2022-02-15
Contexte :
Depuis plusieurs années, de nombreux acteurs de l’étude de la faune sauvage (parcs et réserves naturelles, office français de la biodiversité, chercheur.ses) ont installés des centaines de “pièges photographiques” en France, boitiers à déclenchement automatique qui sont censés photographier les animaux durant leur passage. En particulier, des dizaines de ses appareils ont été installés dans le cadre de l’observatoire ORCHAMP de la Zône Atelier Alpes, pilotée par W.Thuiller (co-encadrant). Ces matériels produisent une “avalanche” de données photographiques qu’il faut trier a posteriori : trier les images vides et identifier les espèces.
Dans le même temps, une équipe CNRS incluant des membres du LECA et du LBBE et pilotée par V.Miele (co-encadrant), s’est mobilisée pour proposer une application de vision par ordinateur qui permettrait l’identification automatique des espèces de la faune sauvage française dans les images issues de pièges photos (cf. image de renard ci-dessus).
Les dernières techniques de deep learning sont appliquées, à partir d’une banque de données de plus de 500 000 images annotées de la faune française (renard, loup, cerf, chamois,…). Un prototype d’application Tensorflow-Keras/Python est d’ores et déjà en phase de test.
Sujet :
La mise au point de la chaîne de traitement des images de l’observatoire ORCHAMP reste à mettre en œuvre, avec pour objectif la capacité à analyser end-to-end les centaines de milliers d’images de la faune arrivant en flux régulier depuis le terrain.
Le/la stagiaire s’attachera à traiter plus précisément les problématiques suivantes:
– contribuer à l’amélioration des modèles de réseaux de neurones convolutifs (utilisation de GPU sur calculateurs régionaux/nationaux) avec des propositions méthodologiques et de nouvelles images récoltées au fil du stage;
– évaluer continuellement les performances des modèles sur les nouvelles images;
– confronter les alternatives de détection d’objet (plus coûteuses en temps) vis à vis de la simple classification;
– contribuer à l’élaboration d’une chaîne de traitement “du piège photo à l’identification puis la diffusion” qui permettra la reproductibilité des analyses et la mise à disposition des résultats, en suivant les principes de la Science Ouverte (principes FAIR)
Une sortie “terrain” en montagne pour l’installation ou la maintenance des pièges photographiques peut être envisagée si l’étudiant.e s’avère intéressé.e par cet aspect.
Profil du candidat :
L’étudiant/e devra présenter de fortes compétences en machine learning pour la vision par ordinateur, en programmation Python et maîtriser parfaitement les environnements Linux.
Un intérêt pour les questions de biodiversité serait un plus (le stage permet en effet de découvrir de nombreuses problématiques relatives à la conservation de la faune sauvage en France).
Formation et compétences requises :
Ecole d’ingénieur dernière année, Master 2 en informatique/mathématiques ou bien césure.
Adresse d’emploi :
Campus UCBLyon-Villeurbanne La Doua / campus USMB Chambéry-Technolac / campus UGA Grenoble-St Martin D’hères
Les laboratoire d’Ecologie Alpine (LECA, Chambéry-Grenoble) et Biométrie et Biologie Evolutive (LBBE, Lyon) regroupent des écologues, des biologistes et des méthodologistes. En particulier, ils forment l’épicentre rhône-alpin de l’écologie des communauté, discipline dédiée à la compréhension de l’organisation et du fonctionnement des écosystèmes. Ces laboratoires sont reconnus pour l’excellence de leurs développements méthodologiques pour l’écologie.