Direction scientifique
Transfert de connaissances vers l'industrie

Nos Thèses par thème

Sciences pour l'ingénieur >> Informatique et logiciels
9 proposition(s).

Réidentification de personnes et adaptabilité interdomaines

Département Intelligence Ambiante et Systèmes Interactifs (LIST)

Vision & Ingénierie des Contenus (SAC)

Master2 ou ingénieur avec bonne expérience en vision et apprentissage profond

01-02-2019

SL-DRT-19-0283

romaric.audigier@cea.fr

La réidentification automatique de personnes vues par des caméras est une fonctionnalité clé pour les applications de vidéoprotection. Elle consiste à retrouver les occurrences d'une personne dans un ensemble d'images. Malgré les nombreux travaux sur la problématique ces dernières années, la modélisation de l'apparence des personnes reste un défi. En effet, elle doit pouvoir discriminer des personnes distinctes (malgré leurs éventuelles similitudes) tout en étant robuste face à la forte variabilité de leur apparence visuelle (due aux postures, aux points de vue, aux conditions d'illumination, à la sensibilité de la caméra, à sa résolution, ?). Elle doit également gérer les vues partiellement occultées et/ou mal centrées sur les personnes détectées. Si les méthodes d'apprentissage profond supervisé ont fortement amélioré les performances de réidentification sur certains jeux de données académiques, leur mise en ?uvre dans un contexte opérationnel demeure difficile. En effet, un modèle appris sur un jeu de données est très souvent peu performant s'il est appliqué tel quel sur d'autres jeux de données. Par ailleurs, annoter manuellement les données du domaine cible est une tâche fastidieuse donc coûteuse. Nous nous intéresserons dans cette thèse au problème d'adaptabilité des modèles d'apparence à un domaine cible dont on ne possède que des données non annotées. Les méthodes d'apprentissage par transfert non-supervisé pourront être utilisées. Les approches proposées devront pouvoir fonctionner à grande échelle sur un nombre important de flux vidéo et de personnes observées.

Capteur d'images CMOS adaptatif pour systèmes de vision intelligents

Département Architectures Conception et Logiciels Embarqués (LIST-LETI)

Laboratoire Circuits Intégrés, Intelligents pour l'Image

Master ou ingénieur en microélectronique

01-10-2019

SL-DRT-19-0335

william.guicquero@cea.fr

Cette thèse se propose d'explorer de nouvelles architectures de capteurs de vision pour améliorer la réactivité du capteur et faciliter le traitement de son image. L'imageur étudié pendant cette thèse utilisera les technologies microélectroniques émergentes dites « 3D » du CEA leti. Ces technologies permettent d'empiler plusieurs circuits intégrés et présentent l'avantage de proposer une très forte densité d'interconnexions permettant d'envisager des connexions au niveau du pixel de l'imageur. Cela nous permet d'envisager de revoir complètement la chaîne de l'image d'un imageur standard (lecture, amplification, compensation, colorisation, rendu de ton) en amenant au système complet plus d'agilité, une meilleure qualité d'image, une meilleure efficacité énergétique, le tout avec une faible surface de silicium. Le doctorant bénéficiera durant ses 3 années de thèse de l'expertise et de l'excellence scientifique de tout le CEA-Leti pour atteindre des objectifs élevés d'innovation à travers des brevets et des publications de rang international. Le candidat, dynamique et autonome, titulaire d'un Bac +5 en microélectronique, plus particulièrement en conception de circuit intégré analogique et mixte. Une bonne maitrise des outils CAO associés (Cadence, Matlab) sera attendue et des compétences en traitement d'images seront appréciées. Le déroulement des 3 années de thèse commencera par l'étude de l'état de l'art, puis le doctorant définira l'architecture optimale, la concevra et testera un prototype mettant en évidence les potentialités scientifiques et industrielles des solutions proposées.

Architecture de calcul massivement parallèle proche mémoire

Département Architectures Conception et Logiciels Embarqués (LIST-LETI)

Laboratoire Intégration Silicium des Architectures Numériques

Master 2 Recherche ou Ingénieur - Spécialité microélectronique, architecture système sur puce, conception

01-10-2019

SL-DRT-19-0364

romain.lemaire@cea.fr

Les Systèmes-sur-puce (SoC) pour le calcul embarqué ont toujours été contraint par la bande-passante d'accès à la mémoire. Aujourd'hui avec le développement de nouvelles applications très consommatrices de données, les coûts (latence, énergie) d'accès à mémoire pour effectuer les calculs est fortement croissant. Un nouveau paradigme de calcul consistant à réaliser le calcul dans la mémoire (IMC: In-Memory Computing) a été proposé: l'idée est de traiter les données là où elles sont stockées pour gagner en latence et en énergie. La séparation entre unité de calcul et unité de stockage s'estompe introduisant de toutes nouvelles architectures. L'objectif du travail de thèse est de définir une architecture de calcul massivement parallèle proche mémoire, permettant en particulier d'interconnecter une matrice de tuiles de calcul à base de mémoire IMC pour du parallélisme d'exécution (multiprocesseur) et d'accès aux données (bancs mémoires multiples). La thèse s'appuiera sur les travaux existants dans le laboratoire sur des mémoires de type SRAM et s'orientera vers des mémoires à plus haute densité. Le sujet nécessite une approche exploratoire via de la modélisation de l'architecture proposée en lien avec les applications visées (big data, intelligence artificielle). La conception et la réalisation silicium de briques innovantes de l'architecture permettront de valider les concepts proposés.

Etude de nouvelles solutions pour la sécurité des systèmes embarqués

Département Systèmes

Laboratoire Sécurité des Objets et des Systèmes Physiques

Systèmes embarqués, cybersécurité

01-02-2019

SL-DRT-19-0426

pierre-henri.thevenon@cea.fr

Depuis quelques années, le nombre de systèmes connectés augmente de façon exponentielle et devrait atteindre plusieurs dizaines de milliards d'ici 2020. Une majorité de ces dispositifs n'intègrent pas ou peu de sécurité et peuvent permettre de créer des attaques massives impliquant un nombre important d'objets. Dans les systèmes embarqués IOT et I-IOT, ils existent maintenant des solutions hardware et software fournissant des primitives cryptographiques permettant de sécuriser une interface de communication ou le stockage de données. Cependant, ces solutions ne permettent pas de traiter la problématique de la sécurité dans sa globalité. A partir de l'étude de scénario d'attaques existants, des normes et textes réglementaires, cette thèse devra définir les besoins en sécurité d'un système embarqué tout au long de son cycle de vie. Une attention particulière devra être portée à la détection de menaces, l'intégrité hardware et logicielle, la résilience du système, et à la définition d'une nouvelle interface de commissioning. De nouvelles solutions seront étudiées et développées afin de répondre aux problématiques précédemment définis et non traitées dans les solutions existantes. L'implémentation de ces nouvelles briques technologiques sera les prémices du développement d'un nouveau composant appelé superviseur de sécurité. Ce composant pourrait, à terme, être intégré dans la majorité des systèmes embarqués afin de renforcer leur défense en profondeur.

Etude de l'apport de l'intelligence artificielle dans la conception de systèmes de communications sans fils

Département Systèmes

Laboratoire Sans fils Haut Débit

Master 2, traitement du signal

01-09-2019

SL-DRT-19-0430

jean-baptiste.dore@cea.fr

Les systèmes de communications modernes sont conçus suivant des modèles statistiques permettant la définition simple d?algorithmes de transmission et de réception. Cependant, en pratique, un système subit de nombreuses imperfections qui ne sont pas forcément prises en compte par les modèles. L'utilisation de nouvelles techniques telles que l'intelligence artificielle (IA) pourrait modifier notre façon de concevoir ces systèmes. Plus précisément, il est possible que des traitements à base d'IA apportent des gains par rapport aux techniques classiques. Le premier objectif du projet de recherche est d'évaluer la pertinence de l'utilisation de ces techniques pour la conception de chaînes de transmission numérique (pour des conditions de propagation et des caractérisations en ligne des imperfections). Le second objectif sera de développer des méthodes d'apprentissage exploitant des bases de données afin de permettre la définition de nouveaux systèmes de communication auto configurables et auto adaptables à l'environnement.

Amélioration de protocoles de communication déterministes robustes et à faible latence (URLLC) par opportunisme

Département Systèmes

Laboratoire Sans fils Haut Débit

01-09-2019

SL-DRT-19-0442

mickael.maman@cea.fr

Les réseaux mobiles cellulaires de cinquième génération devront prendre en charge des services de communication à faible latence et ultra fiables (URLLC). Les exigences des applications URLLC sont : - Latence de bout en bout jusqu'à 1ms - Déterminisme (c.à.d. si la latence est stable) jusqu'à 1µs - Fiabilité (c.à.d. probabilité de succès de la transmission d'un nombre d'octets en un certain délai) entre 99,999% et 1-10^-9 - Disponibilité (c.à.d. le pourcentage de temps pendant lequel le service de communication de bout en bout est fourni conformément à une QoS convenue) supérieure à 99.99% - Densité de connexion (c.à.d. le nombre d'appareils atteignant une QoS cible par zone) de 10^6/km² pour un déploiement massif ou 100/m² dans certaines zones - Durée de vie de l'ordre de 15 ans Toutes ces exigences peuvent difficilement être satisfaites ensemble. Durant la thèse, nous nous focaliserons sur le compromis entre la fiabilité et la latence. Certaines propositions proposent d'exploiter la diversité temporelle, fréquentielle, spatiale, d'antenne ou d'interface pour repousser les limites de latence/fiabilité. Or pour certaines applications URLLC, les exigences strictes de latence peuvent exclure les protocoles qui reposent sur de la retransmission. Durant cette thèse, nous proposons d'étudier une nouvelle méthode de transmission et d'allocation (PHY/MAC) offrant un compromis flexible entre fiabilité et latence. Nous proposons d'améliorer les protocoles déterministes URLLC (fournissant la QoS minimale) par l'opportunisme. Considérant que certaines exigences peuvent prendre des valeurs dans une certaine fenêtre (en termes de fiabilité et de latence), notre approche combinera réservation de ressources et utilisation opportuniste du spectre. D'une part, nous exploiterons les protocoles déterministes de littérature qui apportent la meilleure réponse en terme de latence et nous proposerons un protocole déterministe afin d'assurer une faible maximale et des communications fiables. Cette approche bornera la performance. Or certaines applications ont des QoS plus strictes (ultra-fiabilité ou ultra-faible latence). Nous proposerons ainsi dans un second temps d'améliorer la QoS grâce à une approche opportuniste. Ce protocole complémentaire partagera des ressources limitées (partagées/inutilisées) pour des services URLLC hétérogènes et améliorera la fiabilité en exploitant les diversités spatiales et de fréquence et proposera une meilleure latence (mais avec jitter). Grâce à cette approche, nous serons autorisés à surbooker les ressources partagées et nous pourrons naturellement assurer la gestion de l'hétérogénéité.

Analyse en Composantes Principales Tensorielle pour la classification à une classe

Département Intelligence Ambiante et Systèmes Interactifs (LIST)

Vision & Ingénierie des Contenus (SAC)

école d'ingénieur ou universitaire avec des connaissances en mathématiques appliquées, en physique théorie, en théorie des matrices et tenseurs aléatoires, en apprentissage automatique et en développement informatique (Matlab, Python, C++)

01-09-2019

SL-DRT-19-0634

mohamed.tamaazousti@cea.fr

L'objectif de la classification OCC (One-Class Classification) est de distinguer une instance d'un objet cible de tous les autres objets non cibles dans un ensemble de données observées. L'OCC est utilisée dans divers secteurs d'activités tels que le biomédical, la biométrie, la santé, la vidéosurveillance et la cybersécurité. L'élément clé de l'approche OCC consiste à trouver un formalisme permettant de représenter de manière compatible les données brutes et leurs informations intrinsèques. Dans cette thèse, nous prévoyons de développer un cadre général, basé sur l'Analyse en Composante Principales Tensorielle (Tensor PCA) pour gérer le problème d'OCC. Le cadre proposé repose sur l'utilisation d'outils dédiés à l'analyse des tenseurs développés par la communauté des physiciens théoriciens dans les domaines de la géométrie discrète aléatoire et de la quantification de la gravité. Les outils tensoriels développés, tels que les graphes méloniques et l'énumération combinatoire de triangulations, ne sont pas encore appliqués en Tensor PCA. Nous explorerons ces outils prometteurs afin de développer un cadre d'OCC innovant.

Expliquer les décisions de modèles prédictifs : vers l'interprétation automatique des ensembles d'arbres

DM2I (LIST)

Laboratoire d'Analyse des Données et d'Intelligence des Systèmes

Diplôme d'ingénieur et/ou Master 2 de recherche, avec des compétences fortes en Machine Learning / Deep Learning, analyse et modélisation statistique. Des compétences dans un langage de prototypage type Python, R ou Matlab sont également requises.

01-09-2019

SL-DRT-19-0644

pierre.blanchart@cea.fr

Jusqu'à récemment, les travaux de recherche dans le domaine de l'apprentissage automatique mettaient principalement l'accent sur l'amélioration de la précision des prévisions des modèles. De nombreux algorithmes d'apprentissage de modèles prédictifs, capables de passer à l'échelle sur de grandes quantités de données hétérogènes, ont été proposés dans la littérature, et des implémentations largement utilisées de ces algorithmes sont disponibles. Malheureusement, ces modèles ne sont généralement pas intrinsèquement interprétables, et il n'existe pas de moyen facile d'expliquer leurs prédictions. Ils sont souvent présentés comme des outils "boîte noire", effectuant des opérations complexes et non intuitives sur leurs données d'entrée. Cela peut être un problème dans de nombreuses applications où l'interprétation de la décision d'un modèle peut avoir une plus grande valeur ajoutée que la décision elle-même. Le diagnostic médical en est un bon exemple, où l'interprétation consisterait à déterminer quelle(s) combinaison(s) de caractéristiques présentée(s) par un individu contribue(nt) le plus au diagnostic. Dans cette thèse, nous proposons d'ajouter de l'interprétabilité à une classe spécifique de modèles d'apprentissage automatique : les modèles d'ensembles d'arbres, et ce sans affecter la performance du modèle que nous voulons interpréter. Dans le prolongement des travaux déjà entrepris au laboratoire, l'idée est de pouvoir analyser les combinaisons de caractéristiques d'entrée ainsi que leurs valeurs numériques respectives, de sorte que chaque décision prise par le modèle puisse être expliquée par un ensemble de caractéristiques d'entrée ayant des valeurs numériques particulières. La détection des défauts sur une ligne de production connectée (usine du futur) constitue une application intéressante pour de telles approches, et des données relatives à cette problématique ainsi que des modèles de détection de défauts seront fournis comme point de départ pour ces travaux de thèse.

Simulation réaliste basée sur des techniques d'apprentissage pour l'amélioration du diagnostic en contrôle non destructif

Département Imagerie Simulation pour le Contrôle (LIST)

Laboratoire Simulation et Modélisation en Electro-magnétisme

M2 en mathématiques apppliqueées/ statisques / physique

01-09-2019

SL-DRT-19-0657

roberto.miorelli@cea.fr

Le développement d'outils de diagnostic automatique est un sujet de recherche très actif dans le domaine du contrôle non destructif, car il s'inscrit dans la stratégie de modernisation et de gestion améliorée des lignes de production au niveau européen [1]. Ces outils visent à fournir à une chaîne de contrôle de plus haut niveau une évaluation qualitative ou quantitative de l'état du matériau inspecté (état sain, endommagé, dimensionnement, criticité de l'anomalie). L'institut CEA LIST est reconnu internationalement comme un acteur majeur de recherche dans le domaine du contrôle. Il développe la plateforme CIVA [2], qui est reconnue comme l'un des principaux logiciels de simulation multi-physique du domaine. Une modélisation fiable et précise des phénomènes physiques mis en jeu dans la mesure non destructive est un atout important dans une démarche de caractérisation des indications contenues dans le signal expérimental [3]. Cependant, elle ne tient pas compte des perturbations et de la variabilité des entrées caractéristiques de toute expérience de mesure, c'est pourquoi on peut par exemple facilement distinguer un signal simulé « parfait » d'une acquisition expérimentale. Le sujet de thèse proposé vise à développer une solution permettant de réduire l'écart entre signaux simulés et expérimentaux, en augmentant la simulation avec une contribution supplémentaire que l'on peut qualifier de « bruit » et qui représente tout ce qui n'est pas le signal physique déterministe régi par le jeu d'équations physiques correspondant à la mesure étudiée (ultrasons, électromagnétisme). La stratégie pour calculer cette contribution consiste à appliquer des méthodes d'apprentissage à un jeu de données expérimental représentatif, ou a entraîner un réseau de neurones à dissocier dans des acquisitions réelles le contenu (les signatures de défauts) du style (le reste, qui n'est pas simulé). Par la suite cette simulation augmentée sera utilisée dans des processus d'analyse de sensibilité, de gestion des incertitudes et de diagnostic automatique développés au CEA LIST. Elle permettra d'obtenir une meilleure adéquation entre la simulation et l'expérience, ainsi que la prise en compte de potentielles dérives cas-dépendantes dues à un environnement particulier. RÉFÉRENCES [1] http://ec.europa.eu/research/participants/portal/desktop/en/opportunities/h2020/topics/dt-fof-08-2019.html [2] www.extende.com [3] M. Salucci et al., "Real-Time NDT-NDE Through an Innovative Adaptive Partial Least Squares SVR Inversion Approach," in IEEE Transactions on Geoscience and Remote Sensing, vol. 54, no. 11, pp. 6818-6832, Nov. 2016.

Voir toutes nos offres