Projet: Préservation de la Continuité dans la Segmentation d’Images de Puits de Forage avec les Transformers et l’Analyse Topologique des Données
Description du projet:
Les données d’images de puits de forage acquises dans les environnements souterrains diffèrent considérablement de tout ensemble de données d’images conventionnelles utilisées dans la conception de modèles par les chercheurs en vision par ordinateur à travers le monde. Cela est principalement dû à la variété des technologies de détection disponibles dans les outils utilisés pour l’acquisition de données dans l’industrie pétrolière et gazière. Ces différences aboutissent à une image s’étendant sur plus de 100 000 lignes avec seulement quelques dizaines de colonnes. Les images de puits de forage illustrent divers motifs périodiques dans les directions x et y et résultent d’une cartographie spécifique d’un espace 3D à un espace 2D.
Parce que les images sont si longues, elles ne peuvent pas tenir en mémoire pendant l’entraînement, et nous les divisons généralement en petits morceaux. Ce faisant, nous perdons la continuité et les informations de corrélation entre les morceaux. De plus, les caractéristiques géométriques qui s’étendent sur l’ensemble du puits sont négligées et perdues.
Ce stage vise à tirer parti de la continuité et de la cohérence inhérentes trouvées dans les images de puits de forage pour améliorer les performances des algorithmes de segmentation. En fait, les images de puits de forage présentent des motifs uniques qui évoluent en séquence, similaires aux données de séries temporelles. L’objectif de ce stage est de traiter les caractéristiques visuelles de ces images comme des données séquentielles, capturant à la fois les motifs locaux et globaux de manière efficace. En développant de telles méthodologies, nous cherchons à créer des modèles capables de fournir des interprétations plus précises et plus éclairées des données souterraines. Cela est crucial pour diverses applications en géosciences et exploration de ressources.
Bien que les modèles d’apprentissage profond aient considérablement progressé, ils ont souvent du mal à interpréter et à capturer pleinement les caractéristiques intrinsèques des données où la topologie des données joue un rôle clé. Pour y remédier, le projet explorera des modèles basés sur les Transformeurs et intégrera l’Analyse Topologique des Données (TDA), permettant une gestion plus efficace de la segmentation des images de puits de forage et améliorant la continuité et la cohérence des résultats.
Ce stage offre une opportunité de travailler à l’intersection de l’apprentissage profond, des méthodes topologiques et de l’analyse des données géologiques.
Livrable:
-
Rechercher et expérimenter des modèles basés sur les Transformeurs pour l’analyse des images de puits de forage, en modifiant les stratégies de tokenisation pour capturer la nature séquentielle des données.
-
Analyser l’impact de l’ordre et de la continuité dans les images de puits de forage et explorer des techniques pour mieux encoder ces propriétés dans le modèle.
-
Enquêter sur les techniques d’Analyse Topologique des Données (TDA) pour déterminer si elles peuvent améliorer l’extraction des caractéristiques et la performance du modèle.
-
Évaluer et comparer les performances de diverses architectures de modèles, en documentant les résultats et les conclusions.
-
Master (Master 1 ou Master 2) en Data Science, IA ou équivalent
-
Compétences en communication orale et écrite en anglais
-
Bonne motivation, autonomie, esprit d’équipe et ingéniosité
-
Actuellement en cours d’obtention d’un diplôme en Informatique, Mathématiques, Ingénierie ou un domaine similaire
-
Bonne compréhension de l’apprentissage profond et familiarité avec les tâches de vision par ordinateur
-
Expérience avec les Transformeurs et les techniques de tokenisation est un plus
-
Intérêt pour l’Analyse Topologique des Données (TDA) et ses applications aux modèles d’apprentissage automatique
-
Maîtrise de Python et des bibliothèques d’apprentissage profond comme PyTorch
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.