Depuis une dizaine d’années, un nombre important de travaux utilisant des techniques d’apprentissage variées (k plus proches voisins, forêt aléatoire, réseau à vaste marge ou réseau de neurones profond) sont dédiés à l’identification des populations de poissons ou à l’estimation automatique de leur âge à partir d’images d’otolithes ou d’attributs 2D. Le traitement des données 3D est apparu ces cinq dernières années.
Dans ce contexte, l’objectif du projet est d’analyser la pertinence de la fusion de données, mais aussi de classifieurs afin d’obtenir des estimations robustes (age ou identification des populations). Ces outils devront réduire et intégrer si possible les incertitudes liées : aux mesures directes et indirectes, au processus (facteur influençant le stock : ontogénie du poisson, environnement, pratique de pêche, réchauffement climatique), et aux données manquantes.

Activités principales :

– Prise en main des données et applications des réseaux 1/2/3-CNN classique sur les données brutes (caractéristiques, images 2D et 3D) puis les données Fourier,
– Analyse des incertitudes dans les réseaux profonds,
– Analyse des résultats et possibilités de fusion,
– Intégration de la couche évidentielle dans les réseaux,
– Mise à disposition des outils développés et leur valorisation près des acteurs de la conservation et de la gestion des ressources marines.

Diplôme exigé : Doctorat en sciences souhaité dans une de ces disciplines : informatique, traitement du signal, mathématiques, physique, bioinformatique.

CDD de 11 mois à temps plein à compter du 1er février 2024. Merci de transmettre CV et lettre de motivation à l’attention de Madame POISSON CAILLAULT Emilie : emilie.poisson@univ-littoral.fr.