Robin LE TALLEC

Stage en segmentation sémantique de données 3D – Travail au sein de l’équipe data de la BU Software de Delair

Effectuer une segmentation de nuages de points 3D acquis depuis des drones – Application dans la maintenance de lignes électriques

• Analyse des différentes méthodes de l’état de l’art en Machine Learning et Deep Learning pour la segmentation sémantique
• Adaptation des méthodes existantes sur des nouvelles données téléchargées (scènes urbaines/bâtiments) ou fournies par l’entreprise (lignes électriques/végétation)
• Développement d’algorithmes de traitement de données pour faciliter les opérations (PDAL) : dédensification des nuages, tuilage, ajout de features (verticalité, linéarité, planarité)
• Développement de deux chaînes de traitement utilisant deux algorithmes de Machine Learning (LightGBM – arbres de décision) et Deep Learning (PointNet) permettant d’effectuer une segmentation sémantique de l’entrée à partir de données d’entraînement
• Pour l’algorithme de Deep Learning, utilisation de GPUs présents sur une machine distante pour faciliter les calculs
• Analyse des résultats par calcul et affichage des métriques – précision, matrice de confusion (TensorBoard) et visualisation du fichier résultat (CloudCompare)
• Optimisation des paramètres généraux (taille de tuile, densité de points) et de la pipeline du réseau de neurones (normalisation, optimiseur, scheduler, type de perte) et augmentation de données