Formulation des couleurs par apprentissage statistique. Entreprise

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 :
- le changement d’un ingrédient ou d’un pigment particulier dans une ligne de
peinture ;
- le renouvellement d’une partie des ingrédients d’une ligne de peinture ;
- la formulation simultanée dans plusieurs lignes de peinture.
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
homme-machine 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 ci-dessous, 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 DENOEUX [email protected]
Mylène MASSON [email protected]
Université de Technologie de Compiègne
U.M.R. C.N.R.S. 6599 Heudiasyc
Centre de Recherches de Royallieu
B.P. 20529
F-60205 Compiegne Cedex
France