HAR par Vision-Transformers pour Reconnaissance Fine d’Exercices avec Contraintes Edge

CONTEXTE Le suivi à domicile des exercices de rééducation nécessite des modèles de reconnaissance d’activités précis mais suffisamment légers pour fonctionner sur des dispositifs edge (Raspberry Pi 4, Jetson Nano). Les Vision Transformers (ViT) offrent d’excellentes performances mais sont coûteux en calcul. Ce stage vise à concevoir une solution légère et performante adaptée aux contraintes edge. OBJECTIFS DU STAGE • Modèle léger et performant (précision > 90%, < 100M paramètres) • Exécution temps réel sur dispositifs edge (> 15 FPS) • Interprétabilité via cartes d’attention spatio-temporelles TÂCHES DEMANDÉES • Tokenisation spatio-temporelle des séquences vidéo • Développement du modèle Rehab-ViT (architecture ViT adaptée) • Optimisation edge (pruning, quantization, TensorRT/ONNX) • Comparaison ViT vs CNN-LSTM vs GCN • Validation utilisateur sur dispositifs réels LIVRABLES • Modèle Rehab-ViT optimisé pour edge • Benchmark comparatif (précision, vitesse, mémoire) • Déploiement sur Raspberry Pi / Jetson Nano • Rapport scientifique