Rosalie Corine Tomeyum

Benchmark de 5 architectures deep learning (U-Net, VGG16-FCN8, SegFormer-B0, PSPNet-R50, DeepLabV3+) sur 470 images sous-marines — détection de Posidonia oceanica. SegFormer-B0 : 96,80 % accuracy · AUC 0,9961 — 36× moins de paramètres que VGG16-FCN8. Protocole rigoureux : split stratifié train/val/test, K-fold k=5, sélection de seuil sur 9 valeurs — reproductibilité complète. Rédaction de rapports d'avancement structurés à destination du directeur de recherche.

Pipeline de classification multiclasse (Santé Publique / Animale / Végétale) sur articles scientifiques multilingues — AUC 0,99. Équilibrage par clustering UMAP + K-Means ; suppression automatique de 4 214 doublons. Fine-tuning SBERT + MLP retenu après benchmarking ; co-rédaction d'un article publié, données valorisées en open access.