Les futures capacités de lutte contre les mines maritimes seront basées sur des systèmes sans pilote (semi-)autonomes (aériens, de surface et sous-marins) pour détecter et classifier les mines. Ces systèmes seront équipés de capteurs avancés (acoustiques, magnétiques ou optiques) et pourront s'adapter à différentes conditions environnementales et opérationnelles.Durant ce stage, nous nous concentrons sur le développement d'un outil de classification automatique des cibles utilisant des images provenant d'un sonar à ouverture synthétique à haute résolution (HR-SAS). Nous avons déjà développé un algorithme ATC basé sur l'architecture Mark-RCNN, qui a donné de bons résultats avec des données collectées en Méditerranée.Les objectifs de ce stage :- Améliorer l'approche actuelle (Mask-RCNN) en développant un réseau plus rapide, plus petit et offrant de meilleures performances.- Étudier d'autres architectures d'apprentissage profond en vision par ordinateur pouvant être appliquées à la classification de cibles.- Appliquer les développements aux données collectées et évaluer le réglage fin et l'apprentissage par transfert.