Thèse Détection d'Action pour la Reconnaissance des Interactions Sociales. H/F - Doctorat.Gouv.Fr

Établissement : Université Côte d'Azur École doctorale : STIC - Sciences et Technologies de l'Information et de la Communication Laboratoire de recherche : Spatio-Temporal Activity Recognition Systems Direction de la thèse : François BREMOND ORCID 0000000329882142 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-03T23:59:59 « Les actes en disent plus long que les mots ». Les êtres humains sont des êtres complexes qui transmettent souvent une multitude d'informations non pas par leurs paroles, mais par leurs gestes et leur comportement. Les comportements non verbaux peuvent fournir des indications cruciales sur leur état émotionnel, leur niveau de douleur ou leur anxiété, souvent de manière plus éloquente que les mots seuls [1]. L'analyse de la communication non verbale revêt une importance cruciale dans le domaine du diagnostic.

Cependant, décoder les indices non verbaux en milieu clinique n'est pas une tâche aisée. Elle repose en grande partie sur un haut degré de déduction. Elle exige des professionnels de santé qu'ils soient des observateurs perspicaces, capables de saisir des nuances qui peuvent être subtiles mais cruciales.

Pour relever ce défi, des systèmes automatisés capables de détecter les comportements non verbaux et leurs significations correspondantes peuvent aider les professionnels de santé. Cette technologie sert d'outil d'aide aux experts médicaux, améliorant l'évaluation des patients et garantissant que les informations cruciales ne soient pas négligées ou mal interprétées.
Deep Neural Networks frameworks,
Computer Vision

Solide expérience des langages de programmation C++ et Python,
Une connaissance des domaines suivants est requise :
Apprentissage automatique,
Frameworks de réseaux neuronaux profonds : PyTorch, TensorFlow, Keras
Vision par ordinateur et analyse vidéo