Apprentissage faiblement supervisé et modèles profonds efficaces déployés sur un ROV pour la détection et la classification des objets sous-marins – ROV-Chasseur
Avec 18000 km de longueur des côtes littoraux et plus de 11 millions km^2 de la zone économique exclusive (ZEE), l'environnement maritime français a un impact important non seulement sur le côté social, économique mais aussi sur le côté de défense. La seconde ZEE mondiale ne peut être ignorée, mais nos moyens de patrouille et de surveillance restent limités. Dans le cadre de ce projet, nous nous intéressons à développer un ROV-engin intelligent permettant de détecter et classifier efficacement des objets spécifiques sous-marins. Il s'intéresse particulièrement à deux applications concrètes en défense et en civil : la détection/classification des mines sous-marines (et objets qualifiés ``potentiellement dangereux") et la détection/classification des poissons et espèces animales. Celles-ci permettent de contribuer au développement économique et de surveillance, de protection et de défense en se concentrant sur certaines activités liées à la mer. Tout d'abord, ce projet permet de protéger et d'évaluer les ressources halieutiques en s'appuyant sur la détection et la classification des poissons permettant de décider des zones optimales et légales à pêcher des poissons en fonction de leur fréquence, leur taille et leur espèce, etc. Il contribue également à la protection, à la gestion des milieux naturels marins et littoraux (surveillance des coraux et des espèces protégées). De plus, ce projet favorise la garantie des voies de navigation maritime, ainsi que la protection des bases navales, des ports, des navires, contre des mines sous-marines qui ont un impact important dans le contexte de défense. Sa deuxième application concernant la détection et la classification des mines sous-marines permet d'améliorer le processus de déminage sous-marin qui est traditionnellement très coûteux et chronophage.
Du côté scientifique, ce projet s'intéresse à travailler sur des défis technologiques dans le développement et le déploiement des modèles profonds sur la plateforme d'un ROV travaillant dans un milieu sous-marin. L'objectif de ce projet est d'apporter des innovations en apprentissage faiblement supervisé et en conception des modèles profonds efficaces. Celles-ci permettent de surmonter des défis de conception d'un ROV intelligent pour des tâches de reconnaissance dans un milieu sous-marin. Premièrement, l'approche d'apprentissage faiblement supervisé est adressée pour régler le manque des données annotées sous-marines. Deuxièmement, la conception des modèles profonds efficaces est réalisée en s'appuyant sur la compression des réseaux de neurones profonds permettant de les déployer à la plateforme d'un ROV ayant des ressources de calcul et de mémoire limitées. De nouvelles bases de données pour la détection et la classification des objets spécifiques sous-marins (mines, poissons) sont également construites dans le cadre de ce projet pour faciliter l'apprentissage des modèles profonds ainsi que l'évaluation de diverses méthodes existantes.
Coordination du projet
Thanh Phuong Nguyen (Laboratoire d'Informatique et Systèmes (LIS))
L'auteur de ce résumé est le coordinateur du projet, qui est responsable du contenu de ce résumé. L'ANR décline par conséquent toute responsabilité quant à son contenu.
Partenaire
LAB-STICC Laboratoire des Sciences et Techniques de l'Information, de la Communication et de la Connaissance
CNRS DR12_IGS Centre National de la Recherche Scientifique Délégation Provence et Corse_Information génomique et structurale
LIFO EA 4022 LABORATOIRE D'INFORMATIQUE FONDAMENTALE D'ORLÉANS
LIS Laboratoire d'Informatique et Systèmes (LIS)
Aide de l'ANR 299 272 euros
Début et durée du projet scientifique :
- 36 Mois