L'offre Thèse 'Adaptation de domaine pour le Deep Learning en reconnaissance de véhicules' H/F a été sauvegardée.

Continuer

Offre sauvegardée

Entrez votre adresse e-mail pour enregistrer ce travail

Vous enregistrez ce travail sous:

FR
retour à la liste

Thèse 'Adaptation de domaine pour le Deep Learning en reconnaissance de véhicules' H/F posté par Safran-Group

Cette annonce expire dans 7 jours
CDI - temps plein
Île-de-France

Description de l'offre



Description de la mission

Acteur majeur de l'Optronique de Défense en Europe, SAFRAN ELECTRONICS & DEFENSE conçoit, produit et assure le support de systèmes à imagerie infrarouge.

Les travaux que nous proposons de réaliser au cours de cette thèse, qui se placent dans le domaine du traitement de l'image et de l'information, visent à concevoir et développer des algorithmes innovants de détection et reconnaissance de véhicules dans des séquences d'images.

Les techniques les plus performantes pour cette tâche reposent sur l'exploitation de réseaux de neurones convolutionnels profonds (Deep Learning). Les performances de ces méthodes, pour des applications opérationnelles, restent à être améliorées notamment à cause de la problématique des bases d'images d'apprentissage réelles trop peu nombreuses pour couvrir tous les domaines d'usages.

L'enjeu principal de cette thèse sera donc de mettre au point des méthodes permettant d'entraîner des détecteurs d'objets avec des données de synthèse. Il faut que ces données de synthèse soit en nombre suffisant (ce qui est facile à obtenir avec de la génération de synthèse) mais aussi avec un niveau de représentativité suffisant ce qui est plus difficile et implique une « adaptation de domaine entre images synthétiques et images réelles ».



Votre profil

De formation école d'ingénieur ou universitaire, vous justifiez de connaissances solides dans les domaines suivants :

  • -Mathématiques appliquées,
  • -Vision par ordinateur,
  • -Statistique,
  • -Traitement du signal et de l'image,
  • -Machine Learning,
  • -Deep Learning,

Vous disposez d'une Expérience de codage en Python / C / Matlab / Bash sous Linux,
Des connaissances en Tensorflow, PyTorch, CUDA est un plus.

Vous avez un bon relationnel, un esprit de synthèse et faite preuve d'une curiosité.
Si vous motivé(e) pour la recherche et le développement de nouvelles méthodes, n'hésitez pas à postuler.



Description complémentaire

Les méthodes que nous proposons d'explorer dans cette thèse s'appuieront sur nos résultats antérieurs et sur notre expertise sur ces sujets, mais également sur une littérature riche sur :

  • -L'adaptation de domaine,
  • -Le few-shot learning,
  • -Le transfert de style,
  • -ou plus généralement sur la génération et l'utilisation d'images de synthèse.

L'adaptation de domaine est probablement l'approche la plus simple à mettre en œuvre. Elle consiste à entraîner le détecteur sur des images de synthèse (domaine source) puis à adapter le détecteur appris aux images réelles (domaine cible), sans le ré-entraîner.

Les techniques dites de few-shot learning semblent également pertinentes vis-à-vis de nos problématiques. Celles-ci consistent à permettre l'entraînement de détecteurs à partir de quelques exemples uniquement.

Le transfert de style repose sur une stratégie différente : il s'agit dans ce cas de générer des images d'entraînement synthétiques des cibles à détecter, puis dans un second temps de leur ajouter le 'style' les rendant indiscernables de cibles réelles (à l'aide de cycleGAN par exemple). Le détecteur est ensuite entraîné sur ces images.

On peut aussi coupler à la suite transfert de style du domaine synthétique vers le domaine réel puis few-shot learning à partir de quelques exemples réels.



Spécificités du poste

Déplacements possibles en France (quelques réunions au laboratoire universitaire à Caen) et à l'étranger (conférences).
Selon les résultats obtenus, des publications pourront être faites dans des conférences nationales et internationales.



Entité de rattachement

Safran est un groupe international de haute technologie opérant dans les domaines de la propulsion et des équipements aéronautiques, de l'espace et de la défense. Implanté sur tous les continents, le Groupe emploie plus de 58 000 collaborateurs pour un chiffre d'affaires de 16,5 milliards d'euros en 2017. Safran est une société cotée sur Euronext Paris et fait partie des indices CAC 40 et Euro Stoxx 50.
En février 2018, Safran a pris le contrôle de Zodiac Aerospace, élargissant ainsi son périmètre d'activités dans le domaine des équipements et systèmes aéronautiques. Zodiac Aerospace emploie environ 32 500 collaborateurs et a réalisé un chiffre d'affaires annuel de 5,1 milliards d'euros au 31 août 2017.

Safran est classé dans le Top 100 Global Innovators de Thomson Reuters ainsi que dans le palmarès « Happy at work » des sociétés où il fait bon vivre. Le Groupe est en 4ème position du classement Universum des entreprises préférées des jeunes ingénieurs en France.

Safran Electronics & Defense est un leader mondial de solutions et de services en optronique, avionique, électronique et logiciels critiques, pour les marchés civils et de défense. La société équipe notamment plus de 1000 navires, 25 000 véhicules terrestres et 10 000 avions à travers le monde.

Numéro de référence

ERA-18-DT-PROJET R&T - 44646-698

Offres similaires

Recevoir des offres similaires

Merci. Vous allez recevoir des offres à l'adresse email