Data scientist spécialisé en traitement d’images

Contexte

Le poste est rattaché au laboratoire innovation du Shom, au sein de la Direction de la Recherche, de l’Innovation et des Programmes (DRIP/LAB). Ce laboratoire a pour objectif de bénéficier de ruptures technologiques dans les actions de modernisation des processus de production du Shom (notamment via l’Intelligence Artificielle) et de prototyper des produits et services en anticipation de nouveaux besoins.

Dans le cadre des activités de production de modèles numériques de terrain (MNT) bathymétriques, le Shom est amené à exploiter les images satellitaires multispectrales pour estimer localement les profondeurs.

Le Shom s’est récemment doté d’une chaîne de traitement SDB (Satellite Derived Bathymetry) capable d’exploiter plusieurs sources d’imagerie dont celles, entre autres, issues des capteurs Sentinel-2 du programme européen Copernicus. Cette chaîne repose sur des techniques d’inversion d’un modèle de transfert radiatif, qui nécessitent une paramétrisation spécifique et sont sensibles à la qualité des images en entrée. Un des axes d’amélioration réside dans la segmentation des fonds, afin d’identifier plus précisément les différentes natures de substrats, et donc d’optimiser, au regard du contenu radiatif, la paramétrisation de l’algorithme d’inversion.

Des études exploratoires ont été menées en interne pour évaluer l’efficacité des méthodes d’apprentissage supervisées et entraîner différents algorithmes de Machine Learning. La poursuite de ces travaux consisterait à expérimenter les approches neuronales.

Activités principales :


• Renforcer l'expertise du Shom en Intelligence Artificielle (IA) appliquée au traitement d'images satellites, dans le cadre de l'optimisation de la chaîne de traitement SDB :
-Finaliser les études menées sur les algorithmes de Machine Learning en consolidant les approches testées ;
-Assurer une veille scientifique et technologique sur les approches méthodologiques en IA et en traitement d'images ;
-Développer un outil de pré-annotation des images, basé sur ces algorithmes, afin de faciliter la constitution d'une base de données annotée suffisamment riche pour entraîner un réseau de neurones ;
-Proposer une architecture d'IA convolutive permettant la segmentation par type de fonds, d'images satellitaires côtières. L'implémenter et la tester.
-Analyser, critiquer et synthétiser les résultats obtenus avec les différentes méthodes testées, et proposer des axes d'amélioration.


• Intégrer les résultats des travaux précédents au sein de la chaîne de traitement SDB du Shom.


• Participer aux initiatives d'amélioration de création de produits bathymétriques côtiers (notamment sur les sujets relatifs à la fusion de données, l'intégration d'autres capteurs, notamment ICESAT2).


• Valoriser et communiquer les résultats : articles, conférences, exposés, rapports, …