Proposition de thèse de doctorat : Formulation des couleurs par apprentissage statistique.
Entreprise : BASF – Clermont (60676 Oise)
Laboratoire d’accueil : Equipe Décision et Image du Laboratoire HEUDIASYC (UMR CNRS 6599 http://www2.hds.utc.fr/), Université de Technologie de Compiègne.
Proposition de thèse de doctorat: Formulation des couleurs par apprentissage statistique. Entreprise :BASF – Clermont (60676 Oise) Laboratoire d’accueil :Equipe Décision et Image du Laboratoire HEUDIASYC (UMR CNRS 6599 http://www2.hds.utc.fr/), Université de Technologie de Compiègne. Financement :Thèse CIFRE d’une durée de 3 ans. Mots clés :Apprentissage statistique, analyse de données, reconnaissance des formes Sujet :Dans le domaine de la réparation en carrosserie automobile, une réparation réussie est une réparation invisible. Les fournisseurs de peintures carrosseries mettent donc à disposition de leurs clients un ensemble de formules couleur qui permettent de reproduire toute les couleurs du parc automobile(plusieurs centaines de milliers). Les formules consistent, pour chaque couleur, en une recette, un mélange des différents ingrédients ou pigments dont dispose le carrossier qui dépend de la ligne ou de la marque de peinture utilisée. Elles sont élaborées en laboratoire en s’appuyant sur des modèles prédictifs physiques ou statistiques (de type réseaux neuronaux). Mais ces modèles possèdent de nombreuses limitations, en particulier les descripteurs de la couleur exploités aujourd’hui (courbes de réflectance et coordonnées dans l’espace couleur mesurées par spectrophotocolorimétrie) ne permettent pas de décrire entièrement la sensation colorée. Il en résulte que la qualité de leur prédiction ne permet pas d’obtenir la formule correcte au premier essai, il faut itérer le processus de prédiction plusieurs fois avant d’obtenir un résultat satisfaisant. Il faut de plus répéter entièrement l’opération pour chaque ligne ou marque de peinture. L’amélioration de la qualité, de la précision de ces modèles doit permettre de fournir plus rapidement les formules dont un carrossier a besoin tout en en diminuant le coût. L’objet de cette thèse est de développer des outils de reconnaissance de formes et d’apprentissage statistique s’affranchissant des limitations des modèles actuels pour un certain nombre de situations parmi lesquelles : changement d’un ingrédient ou d’un pigment particulier dans une ligne de le peinture ; renouvellement d’une partie des ingrédients d’une ligne de peinture ; le formulation simultanée dans plusieurs lignes de peinture. la Une autre piste pourra ensuite être suivie, celle d’une amélioration des descripteurs photocolorimétriques. Ainsi, on envisage l’exploitation de données mesurées à l’aide de technologies nouvelles telles que l’analyse d’images, ou l’ajout de descripteurs « humains ».Cette phase nécessitera entre autre le développement d’une interface hommemachine afin de transcrire des sensations visuelles en variables exploitables. Profil du candidat : Le candidat devra justifier d'une formation en apprentissage statistique, reconnaissance des formes et analyse de données. Les candidats doivent envoyer le plus rapidement possible (sous format électronique) au contact indiqué cidessous, leur CV détaillé, une lettre de motivation, une ou plusieurs
lettres de recommandation ainsi que leurs notes théoriques et pratiques de Master 2 recherche. Contact : Thierry DENOEUXthierry.denoeux@hds.utc.frMylène MASSON mmasson@hds.utc.fr Université de Technologie de Compiègne U.M.R. C.N.R.S. 6599 Heudiasyc Centre de Recherches de Royallieu B.P. 20529 F60205 Compiegne Cedex France