Post doctorant Approches frugales faiblement supervisées pour analyse comportement animal à partir vidéo
Référence : 2026-2253917
- Fonction publique : Fonction publique de l'État
-
Employeur :
Université Orléans
Université d'Orléans - Localisation : PRISME
Partager la page
Veuillez pour partager sur Facebook, Twitter et LinkedIn.
- Nature de l’emploi Emploi ouvert uniquement aux contractuels
-
Nature du contrat
CDD d'1 an
- Expérience souhaitée Expert
-
Rémunération Fourchette indicative pour les contractuels Non renseignée Fourchette indicative pour les fonctionnaires Non renseignée
- Catégorie Catégorie A (cadre)
- Management Non renseigné
- Télétravail possible Non renseigné
Vos missions en quelques mots
Au sein du projet AniMov2, le Post Doctorant F/H aura pour mission de :
- Définir un benchmark adapté à l’évaluation d’approches d’analyse du comportement animal à partir de vidéo et intégrant des critères liés à la dépendance aux données et aux ressources matérielles ;
- Proposer et étudier des approches frugales, basées notamment sur des méthodes d’apprentissage faiblement supervisées et intégrant la composante temporelle, pour l’analyse du comportement animal ;
- Mesurer et comparer les performances des approches proposées, ainsi que celles de l’état de l’art à l’aide du benchmark développé au cours du projet ;
- Valoriser les résultats obtenus par la rédaction de publications scientifiques et la production d’un rapport interne.
Profil recherché
Formation et Compétences requises
Doctorat en lien avec au moins un des domaines suivants : Computer Vision, Machine Learning, Pattern Recognition ;
Solides compétences en programmation Python ;
Bonne connaissance des outils et de l’environnement Linux ;
Autonomie et rigueur ;
Curiosité et intelligence créative ;
Excellente capacité à communiquer en anglais (oral et écrit).
Niveau d'études minimum requis
- Niveau Niveau 8 Doctorat/diplômes équivalents
Localisation
Qui sommes-nous ?
L’analyse automatique du comportement animal, notamment à partir de vidéos, est devenu, ces dernières années, un sujet majeur impliquant toujours plus d’acteurs académiques et économiques. Les enjeux sont à la fois économiques (pour les animaux de rente : aide au pilotage de l’exploitation et à la gestion du troupeau, détection d’événements anormaux ou d’intérêt) mais également environnementaux (aide à la surveillance et au suivi de populations, évaluation du bien-être pour les animaux domestiques).
Les travaux les plus récents s’appuient tous sur les formidables avancées en apprentissage machine, liées aux réseaux profonds (deep learning), dont les algorithmes sont capables d’apprendre à reconnaître des motifs complexes dans des données volumineuses. Si ces algorithmes ont démontré leur efficacité, ils présentent un certain nombre de limitations : ils nécessitent de très nombreuses données annotées (annotation fastidieuse, chronophage et coûteuse), sont difficiles à généraliser à de nouveaux contextes, et gourmands en ressources matérielles (notamment lors de l’apprentissage).
Descriptif du service
Le projet AniMov2, porté par l’équipe Image-Vision du laboratoire PRISME à Châteauroux, et l’unité Physiologie de la Reproduction et des Comportements du centre INRAE Val de Loire, s’inscrit dans ce contexte avec pour objectif d’étudier ces limitations et de proposer et évaluer des solutions permettant d’y répondre. Notamment, le projet vise à développer des méthodes frugales et capables de prendre en compte la dynamique temporelle (à court et long terme) des comportements analysés (plutôt que de détecter les comportements à partir d’images statiques).
Le/la candidat.e rejoindra un groupe de recherche dynamique, au sein de l'équipe Image/Vision du laboratoire PRISME.
Le laboratoire PRISME est un laboratoire de recherche pluridisciplinaire de l’Université d’Orléans et de l’INSA Centre Val de Loire, dans le domaine général des sciences pour l’Ingénieur et des technologies.
À propos de l'offre
-
Vacant à partir du 16/04/2026
-
Chercheuse / Chercheur
