Offre en lien avec l’Action/le Réseau : – — –/– — –
Laboratoire/Entreprise : L@bISEN Yncréa Ouest, Equipe Vision-AD
Durée : 3 ans
Contact : maher.jridi@isen-ouest.yncrea.fr
Date limite de publication : 2020-08-20
Contexte :
** Projet **
Les données fonctionnelles sont un ensemble de méthodes pouvant traiter des applications de nature a priori très différentes comme l’écriture, le mouvement ou la parole.
Dans ce contexte où les données sont des éléments d’un espace de dimension infinie et où plusieurs populations sont à discriminer, une méthode consiste à calculer la distance entre des opérateurs de covariance pour analyser les variations entre ces populations, Pigoli et al. (2014).
Cette distance, appelée distance procustéenne, a permis d’étudier des applications intéressantes en imagerie médicale Zhou et al. (2016), en biologie Cabassi et al. (2017) ou encore en linguistique Pigoli et al. (2018).
** Problématiques **
– Compréhension des différences intrinsèques et découverte de motifs communs entre les différentes émotions à travers la parole
– Étude théorique des relations entre transport optimal et données fonctionnelles
– Développement de méthodes numériques
– Application concrète avec démonstrateur
** Approches méthodologique et technique envisagées **
– Données fonctionnelles : estimation de l’opérateur de covariance, mise en pratique numérique de la distance procustéenne
-Outils mathématiques de l’analyse fonctionnelle et du transport optimal
– Traitements du signal et de la parole
– Méthodes d’intelligence artificielle propres au traitement naturel du langage
– Apprentissage machine (approches basées sur l’extraction de descripteurs et classification, approche d’apprentissage profond ou deep learning).
Sujet :
Récemment, Masarotto et al. (2019) ont revu les propriétés mathématiques de cette distance dans le contexte du transport optimal capable de s’adapter aux données fonctionnelles. Ce point de vue permet d’utiliser les méthodes géométriques, analytiques et numériques propres à la théorie du transport optimal qui ont été développées au cours de la dernière décennie.
Nous proposons dans cette thèse de prolonger leurs travaux et de développer des applications liées à l’analyse de la parole. Un des buts de la thèse est de trouver des formes universelles des différentes émotions contenues dans le discours oral et de détecter les différences fondamentales entre les émotions par analyse de la voix. En effet, en plus du contenu linguistique, la parole représente l’un des miroirs de l’état émotionnel de la personne. On voudrait le détecter au cours de cette thèse en utilisant des techniques d’intelligence artificielle combinées aux données fonctionnelles.
Ce cadre applicatif constitue une continuité de travaux antérieurs menés dans le laboratoire COSIM dans le cadre d’un projet de recherche fédéré de lutte contre le terrorisme où l’une des composantes est la détection du comportement suspect par analyse de la voix.
Cette application supporte les travaux réalisés par l’équipe VISION-AD du laboratoire L@ISEN pour contrôler l’accès à des zones restreintes à partir de la reconnaissance faciale à travers le contrôle d’accès par reconnaissance vocale.
Profil du candidat :
– Avoir une aptitude au développement de méthodes mathématiques avec un focus spécifique sur leurs implantations.
– Avoir un vif intérêt pour la recherche scientifique et être familier au moins avec l’un des outils/langages suivants : R, et/ou Python, et/ou Matlab.
Formation et compétences requises :
La ou le candidat(e) doit avoir un diplôme de Master et/ou Ingénieur dans des domaines liés au Mathématiques appliquées (statistique, analyse numérique), télécommunications, technologies de l’information et de la communication, signaux et systèmes.
Adresse d’emploi :
20 Rue Cuirassé Bretagne, 29200 Brest
Document attaché : 202006110925_Thèse Cotutelle-Analyse émotion Audio.pdf