Stage de M2 sur l'Amélioration de la Segmentation les Nervures de Feuilles en Simulent les Contraintes Biologiques H/F INRIA

Stage de M2 sur l'amélioration de la segmentation les nervures de feuilles en simulent les contraintes biologiques

Type de contrat : Convention de stage

Niveau de diplôme exigé : Bac +3 ou équivalent

Fonction : Stagiaire de la recherche

A propos du centre ou de la direction fonctionnelle

L'Inria est l'Institut national de recherche en sciences du numérique, dont le centre Inria d'Université Côte d'Azur fait partie. Avec une forte expertise en informatique et mathématiques appliquées, les projets de recherche du centre Inria d'Université Côte d'Azur touchent toutes les dimensions des sciences et technologies du numérique, et génèrent de l'innovation. Implanté principalement à Sophia Antipolis, mais également à Nice ou Montpellier, il regroupe 47 équipes de recherche et neuf services d'appui. Il est présent dans les domaines de l'intelligence artificielle, la science des données, la sécurité des systèmes informatiques, la robotique, l'ingénierie de réseaux, la prévention des risques naturels, la transition écologique, la biologie numérique, les neurosciences computationnelles, les données de santé... Le Centre Inria d'Université Côte d'Azur est un acteur majeur en termes d'excellence scientifique par les résultats obtenus et les collaborations tant au niveau européen qu'international.

Contexte et atouts du poste

Durée : 6 mois

Rémunération : gratification d'environ 640€ par mois (dépend du nombre de jours travaillés par mois)

Période possible pour le stage : entre début février 2026 et fin octobre 2026

Localisation du stage : campus Saint-Priest de Montpellier dans l'équipe Iroko

Encadrants :

- Benjamin Bourel, chercheur en Deep Learning et en écologie à l'Inria dans l'équipe Iroko
- Jérôme Munzinger, chercheur en botanique et paléobotanique à l'UMR AMAP dans l'équipe SYSTE

Contexte et motivations :L'organisation des nervures dans la feuille joue un rôle fondamental pour les
plantes en influençant le transport de l'eau et des nutriments. Leur organisation est également un
marqueur morphologique essentiel pour l'identification taxonomique et l'étude des stratégies
écologiques des plantes (Boyceet al.2009). La segmentation automatique de ces nervures est donc un
enjeu majeur. Bien que la segmentation automatisée par deep learning a permis des progrès vis-à-vis
des méthodes de classiques (e.g.seuillage), cette dernière reste difficile à mettre en place (Xuet al.
2021). En effet, l'annotation manuelle pixel par pixel des nervures sur les données d'entrainements
demande beaucoup de temps et une forte expertise. Des avancées notables ont été réalisées avec le
few-shot learning via l'approche de Lagergrenet al.(2023). Cette approche a permis de segmenter
efficacement les nervures de milliers de feuilles de Populus trichocarpa à partir de seulement huit
feuilles annotées. Le pipeline de Lagergrenet al.(2023) est basé sur la croissance de régions
avec un Convolutional Neural Network (CNN) itératif. Il constitue aujourd'hui une référence, bien qu'il
soit limité à une seule espèce et ne prenne pas en compte explicitement les contraintes biologiques de
la croissance des nervures. Simuler explicitement ces contraintes biologiques dans le «Vein growing
CNN» de Lagergrenet al.(2023) améliorerait la segmentation et la généralisation de la méthode.

Références :

- Boyce, C.K., Brodribb, T.J., Feild, T.S. & Zwieniecki, M.A. (2009). Angiosperm leaf vein evolution wasphysiologically and environmentally transformative.Proceedings of the Royal Society B:Biological Sciences, 276, 1771-1776.
- Lagergren, J., Pavicic, M., Chhetri, H.B., York, L.M., Hyatt, D., Kainer, D., et al. (2023). Few-Shot LearningEnables Population-Scale Analysis of Leaf Traits inPopulus trichocarpa.Plant Phenomics, 5,
0072.
- Xu, H., Blonder, B., Jodra, M., Malhi, Y. & Fricker, M. (2021). Automated and accurate segmentation ofleaf venation networks via deep learningNew Phytol, 229, 631-648.

Principales activités

Objectifs du stage : L'objectif est de repartir des données et codes de Lagergren et al. (2023) disponible
en libre accès (), afin d'enrichir leur pipeline par l'ajout de contraintes biologiques. Ceci pour

améliorer la segmentation des nervures et en faire une approche généraliste (non limité à une espèce).
Le travail suivra trois étapes principales :

- Reproduction : Installer et exécuter le pipeline de Lagergren et al. (2023) sur leurs données de
Populus trichocarpa, afin d'obtenir un point de comparaison clair.
- Adaptation : Modifier l'algorithme de croissance des nervures pour y inclure des contraintes
biologiques (e.g., orientation, courbure, conicité, degré des noeuds) et en évaluer l'impact sur la
segmentation des nervures de Populus trichocarpa.
- Généralisation : Appliquer le pipeline de base et la nouvelle version à des jeux de données
provenant d'autres espèces (e.g.scans d'herbiers, photo), afin de mesurer l'impact des contraintes
biologiques sur la robustesse interspécifique.

Apports attendus : (1) Un benchmark comparatif entre la méthode originale et la version contrainte.
(2) Des outils de segmentation plus biologiquement réalistes, capables de mieux capturer la hiérarchie
des nervures. (3) Une réflexion sur l'extension des approches few-shot à un cadre multiespèces

Compétences

Compétences obligatoires

- maitrise de Linux
- bonne maitrise de Python
- solides bases en deep learning (PyTorch, TensorFlow ou équivalant)
- bonne connaissance de la computer vision et des approches de segmentation d'images
- maitrise de l'anglais pour la rédaction et la lecture d'articles scientifiques

Les plus

- intérêt marqué pour l'interdisciplinarité
- notions en analyse morphologique ou en modélisation biologique
- connaissance en botanique ou en morphologie végétale
- exécution de scripts sur serveurs distants

Avantages

- Restauration subventionnée
- Transports publics remboursés partiellement
- Congés: 7 semaines de congés annuels + 10 jours de RTT (base temps plein) + possibilité d'autorisations d'absence exceptionnelle (ex : enfants malades, déménagement)
- Possibilité de télétravail (après 6 mois d'ancienneté) et aménagement du temps de travail
- Équipements professionnels à disposition (visioconférence, prêts de matériels informatiques, etc.)
- Prestations sociales, culturelles et sportives (Association de gestion des oeuvres sociales d'Inria)
- Accès à la formation professionnelle
- Participation mutuelle (sous conditions)

Rémunération

Gratification selon temps de présence.