Sujet
L’accroissement du nombre de programmes audiovisuels à archiver impose des contraintes de productivité nouvelles sur la documentation. Le développement d’outils automatiques et semi-automatiques pour assister le travail des documentalistes est désormais indispensable pour exploiter au mieux la très grande quantité d’information disponible. Ces dernières années, sont ainsi apparues des techniques d’indexation et d’analyse de contenu visuel ou sonore, permettant la modélisation d’information de haut niveau, comme par exemple : des visages, des locuteurs, des monuments, des logos, des décors, des noms de chansons, etc. La modélisation consiste à construire des représentations visuelles des entités avec lesquelles on désire annoter des archives multimédia. Les processus de modélisation sont basés sur des méthodes d’apprentissage non-supervisées, supervisées, ou parfois pauvrement supervisées.
Avec l’essor des réseaux de neurones convolutionnels durant ces dernières années, les représentations visuelles ad-hoc (“hand-crafted”) sont progressivement remplacées par des représentations multicouche apprises à partir de données d’apprentissage dédiées à la tâche d’annotation visée. Ces stratégies d’apprentissage supervisées allant du signal (pixels) jusqu’aux classes ou entités dans un même formalisme ont permis d’atteindre des performances très importantes pour la reconnaissances d’objets dans les images.
Ces méthodes ont toutefois deux limitations majeures pour envisager une exploitation dans le contexte de la documentation professionnelle à large échelle. Premièrement, elles fonctionnent en monde fermé c’est à dire avec un nombre fixe de classes préalablement connues. Dans le cadre de l’Ina, il est essentiel de fonctionner en monde ouvert car à chaque instant :
- des utilisateurs peuvent vouloir créer de nouvelles classes,
- le système de prédiction peut être sollicité pour des images n’appartenant pas à la base d’apprentissage, ce qui est essentiel à détecter.
Deuxièmement, elles ne permettent pas d’envisager efficacement des stratégies d’apprentissage actif et incrémental du type bouclage de pertinence ou propagation d’annotation. Hors ces modes de fonctionnement dynamiques et interactifs sont indispensable à une mise en oeuvre métier. Il y au sein de l’INA des dizaines de documentalistes qui ont pour mission d’annoter les documents vidéos. Il est essentiel que ces documentalistes puissent interagir avec le système de reconnaissance et que celui-ci soit suffisamment réactif.
Plus formellement, le coeur de la thèse sera de s’attaquer aux problèmes d’apprentissage actif multilabel et de détection de la nouveauté dans le contexte de représentations visuelles multicouche. Cela nécessitera de résoudre des verrous liés au passage à l’échelle des méthodes de prédiction à partir de modèles profond.
Encadrement
L’encadrement universitaire sera assuré par Dr. Alexis Joly (HDR). Les acteurs de cette thèse, l’équipe Zénith de l’INRIA et l’INA ont une expérience solide dans l’analyse de données multimédia et le passage à l’échelle et apporteront des compétences complémentaires sur le sujet. Les travaux de Zénith s’articulent principalement autour de la gestion, l’analyse et de la recherche d’informations dans des données hétérogènes de très grande taille.
Au sein de l’INA, il rejoindra le département de Recherche et de l’Expérimentation. Le thésard travaillera en collaboration avec un chercheur permanent Dr. Olivier Buisson et un doctorant Valentin Leveau.
Candidature
Avant le 15 septembre 2016, envoyer par email et en PDF à l’adresse suivante : thcand@ina.fr, les documents suivants :
- CV,
- lettre de motivation ciblée sur le sujet,
- au moins deux lettres de r commandation,
- relevés de notes + liste des enseignements suivis en M2 et en M1.
Profil du candidat
- Diplôme : master 2 en informatique ou école d’ingénieur.
- De bonnes connaissances et une pratique en indexation par contenu (visuel et sonore) et machine learning, ainsi que la maîtrise de la programmation C/C++.
- Bon niveau d’anglais.
Informations sur le poste
- Début : deuxième semestre 2016
- Salaire : 35 202€ bruts sur 13 mois.
- Lieu : Ina (Institut national de l’audiovisuel) à Bry-sur-Marne.
- Le temps de travail devrait être partagé de la manière suivante : 75% Ina et 25% Inria.
