Contexte et objectifs
Ce projet a donc pour objectif le développement de méthodes pour la classification d’images de plancton d’eau douce grâce à l’apprentissage profond et à l’intégration de métadonnées écologiques. Après une étude préliminaire (Hong et al. 2020) ne distinguant que 4 groupes, seuls quelques articles ont été publiés sur du plancton associé à des hydrosystèmes continentaux (Kyathanahally et al. 2021, Chen et al. 2023, Vogelmann et al. 2022). Le fort déséquilibre en termes d’abondance des différentes taxons de plancton d’eau douce constitue le principal verrou méthodologique de ces approches. Les variations morphologiques naturelles, la présence de détritus et les différentes apparences dues à l’angle de projection de chaque organisme contribuent aussi à rendre la tâche de classification plus difficile. Des travaux récents suggèrent que l’intégration de métadonnées associées au contexte des échantillonnages (Ellen et al. 2019), ou aux périodes d’occurrence attendues des organismes (Sun et al. 2021) améliorent les performances des techniques d’apprentissage profond. Les méthodes développées seront testées sur un jeu de données comprenant une série temporelle d’échantillons et seront comparées à des méthodes génétiques développées indépendamment sur ces mêmes échantillons. A l’issue de la thèse, nous mettrons à disposition de la communauté académique une base de données annotée d’images de plancton lacustre et un logiciel permettant la classification automatique de ce type d’images, ouvrant ainsi la possibilité de faire des études à grande échelle des écosystèmes des lacs.
Compétences requises
Les candidat∙e∙s doivent avoir une solide formation en mathématiques appliquées et une expérience avec des librairies d’apprentissage automatique telles que Tensorflow, Jax et/ou PyTorch. Des compétences en biologie constituent un atout supplémentaire.
Candidature
Les candidat∙e∙s doivent envoyer leur CV, notes et lettres de recommandation à Etienne.Decenciere@minesparis.psl.eu et à Jean-François Le Galliard
(galliard@biologie.ens.fr).
Commentaires récents