Conception et entraînement de modèles de Deep Learning (CNN et LSTM) avec PyTorch pour la détection automatique de canalisations souterraines. Le CNN classifie les images de signaux magnétiques (avec / sans fourreau), tandis que le LSTM analyse les séquences temporelles du signal. Le calcul de la largeur du signal repose sur la notion de barycentre : le centre de masse de la distribution du signal magnétique est calculé pour localiser précisément la canalisation et estimer sa largeur. Inclut le fine-tuning, l'optimisation de l'architecture et la validation sur jeu de test.
