Master 2018 2019
Stages de la spécialité SAR
Développement d’un outil d’annotation semi-automatique de base de données d’enregistrements sonores


Lieu : Wavely - Villeneuve d'Ascq (Métropole Lilloise)
Encadrant : Julien Roland (Wavely), David Sodoyer (IFSTTAR)
Dates :Flexible (idéalement Mars/Août)
Rémunération :525€ / mois + Tickets restaurant
Mots-clés : Parcours ATIAM : Acoustique, Parcours ATIAM : Informatique musicale, Parcours ATIAM : Traitement du signal

Description

**Description du projet** Wavely développe des outils de surveillance d’environnements sonores ainsi que de certaines sources sonores particulières comme des équipements industriels. Ces outils de surveillance couplent une solution matérielle de mesure acoustique métrologique, un traitement du signal audionumérique avancé et des algorithmes de reconnaissance de signature sonore. Ces outils de classification de sources sonores se basent principalement sur des modèles de Machine Learning. Or, l’entraînement de ceux-ci nécessite de disposer de bases de données rigoureusement annotées. Cette étape d’annotation des enregistrements sonores est fastidieuse ; elle peut prendre la durée des enregistrements et nécessite des outils d’annotation adaptés. Elle correspond in fine à l’étape la plus coûteuse dans la mise en production d’une solution de classification de signature sonore. Dans un contexte où l’intelligence artificielle est en pleine émergence, nous recrutons un stagiaire ingénieur pour 6 mois, afin de créer de nouveaux produits et services de surveillance sonore automatique de systèmes mécaniques, de systèmes électriques, ou encore de véhicules autonomes... L’objectif principal du stage est de gagner en efficacité et en autonomie dans le processus d’entraînement des modèles d’apprentissage automatique. La direction prise dans le cadre de ce stage sera d’entraîner des modèles sans avoir recours à une annotation complète de la base de données. Plusieurs techniques d’entraînement pourront être employées telles que l’apprentissage par transfert ou l’apprentissage actif. Le stagiaire pourra s’appuyer sur plusieurs bases de données acoustiques et audionumériques partiellement annotées. Le stagiaire pourra également utiliser des briques logicielles Python développées par Wavely pour l’extraction d’indicateurs acoustiques et l’entraînement de modèles d’apprentissage. Ce stage se déroulera dans le cadre d’une collaboration entre Wavely et l’IFSTTAR et pourra se poursuivre par une thèse de doctorat.

**Votre environnement de travail**
- Wavely est une start-up innovante de l’IoT appliqué à l’analyse des signaux acoustiques. Fondée par une équipe d’experts en acoustique, micro-électronique et traitement du signal sonore, Wavely est soutenue par de nombreux organismes comme le CNRS, la région Hauts-de-France, la BPI et la SATT.
- Wavely conçoit et développe des outils de mesure et d’analyse appliqués à la maintenance préventive dans l’Industrie 4.0 et à la mesure des nuisances sonores dans les Smart Cities. Wavely propose un réseau de capteurs acoustiques autonomes et une suite logicielle associée intégrant des algorithmes de diagnostic.
- Basée à Villeneuve d’Ascq (proche Lille), au sein du laboratoire CNRS IEMN, Wavely dispose des facilités de développement, de fabrication et de caractérisation d’un grand laboratoire de recherche en électronique et en acoustique.

**Description des missions** Durant votre stage vous serez responsable
- de la création de nouvelles bases de données (si nécessaire),
- du développement d’un outil d’annotation semi-automatique de base de données d’enregistrements sonores,
- d’un benchmark des techniques d’entraînement de modèles d’apprentissage automatique à partir de base de données partiellement ou mal annotée.