TFE 2011-2012 (final year project)
Étude de la robustesse de modèles de classification d'images
Notre équipe développe une méthode générique de classification automatique d'images basée sur l'apprentissage automatique et l'applique sur des problèmes concrets, dans le domaine biomédical notamment.
Dans ce domaine, les procédures d'acquisition d'images sont très variables (allant des protocoles expérimentaux aux microscopes générant les images) et peuvent produire des images aux caractéristiques différentes (intensités et couleurs des pixels, luminosité, contraste, résolution par pixel, etc.) pour un même échantillon.
L'utilisation de méthode d'analyse d'images est donc parfois limitée en pratique par le manque de robustesse des algorithmes à ces variations. Le but de ce travail est de mieux caractériser les variations découlant des procédures d'acquisition, d'étudier la robustesse d'algorithmes existants proposés dans notre équipe, et d'adapter ces algorithmes pour les rendre davantage robustes.
Pour réaliser ce travail, l'étudiant pourra accéder à des équipements de pointe (plusieurs serveurs avec un total de plusieurs centaines de coeurs et disposant d'une grande capacité de mémoire) et le travail pourra être réalisé en partie au GIGA (CHU).