Ce projet peut être attribué á un groupe de 3 étudiants
L’apprentissage profond apparaît aujourd’hui comme une solution incontournable pour la segmentation et la classification des nuages de points 3D, que ce soient des nuages de rues ou des nuages de bâtiments. Les objectifs de ce PPP sont doubles : faire un point sur les solutions de Deep Learning actuellement utilisés dans la communauté scientifique et démontrer une solution pour les enseignements en Travaux Pratiques.
Le champ de recherche étant vaste, nous nous limiterons aux études et solutions les plus récentes (post-2020) et à deux cas d’application :
- la segmentation/classification des nuages de bâtiments (murs, plafonds, ouvertures, mobilier, …), en vue de l’automatisation de la maquette BIM par exemple,
- la segmentation/classification des nuages de rues en vue par exemple de l’automatisation d’un PCRS.
Les étudiants devront donc inventorier les solutions récentes en mettant en évidence leur avantages et inconvénients. Après cette étude, les étudiants retiendront, après discussion avec les commanditaires, un ou deux de ces outils pour en faire la démonstration avec des jeux de données éprouvés dans la littérature (généralement ceux-là même utilisés dans les articles scientifiques présentant une solution de réseau deep learning).
Pour entamer cette recherche, en dehors de précédents TFE, les étudiants pourront consulter les sites :
https://paperswithcode.com/
https://arxiv.org/
https://github.com/
- Annexe sur les jeux de données pertinents et leurs descriptions - Annexe sur les outils Deep Learning retenus et leurs descriptions - Manuel d’installation des outils retenus - Manuel d’utilisation des outils retenus - jeux de données utilisés - Ensemble des codes utiles
python, nuage de points 3D, deep learning
Besoin de postes informatiques : OUI
Logiciels particuliers requis :