Stage: Évaluation et intégration d’algorithmes de détection et suivi d’objets par deep learning (F/H)

Hemeria; Angoulême; Presencial; EUR 13.000 - 18.000; Jornada completa

Descripción de la vacante

Hemeria recherche un stagiaire en intelligence artificielle et vision par ordinateur pour évaluer et intégrer des algorithmes de détection et de suivi d’objets basés sur le deep learning.

Le stage de 6 mois, à partir du premier trimestre 2027, se déroule sur le site d’Angoulême, dans la division Land & Sea. Vous travaillerez sur une plateforme d’évaluation reproductible et l’intégration des solutions retenues dans la bibliothèque C++.

Formación

• Étudiant en informatique spécialisé IA / vision par ordinateur.
• Bonnes bases en deep learning et évaluation de modèles.
• Python et PyTorch.

Responsabilidades

• Reprise de l’existant et diagnostic des limites de généralisation.
• Constituer des jeux de données infrarouges et visibles et définir les métriques (mAP, HOTA, IDF1).
• Benchmark de l’état de l’art et obtention de résultats reproductibles.
• Intégration des solutions retenues dans la bibliothèque C++ et démonstrations.
• Rédiger un guide de décision par cas d’usage et la documentation technique.

Conocimientos

Python

PyTorch

Deep learning

Model evaluation

Educación

Étudiant en informatique

Herramientas

C++

CMake

Descripción del empleo

Nous recherchons un stagiaire pour évaluer et intégrer des algorithmes de détection et de suivi d’objets basés sur le deep learning (F/H) pour une durée de 6 mois à partir du 1er trimestre 2027 au sein de la division Land & Sea sur le site d’Angoulême.

Contexte :

Les algorithmes de détection et de suivi basés sur l’apprentissage profond évoluent vite, et leurs performances annoncées se transposent mal à de nouveaux capteurs ou de nouvelles conditions. Notre équipe développe des solutions de vision temps réel et dispose d’une bibliothèque modulaire de pipelines de traitement (C++).

Il manque une méthode fiable pour comparer les approches et choisir celles à intégrer.

Objectif :

Mettre en place une plateforme d’évaluation reproductible, puis intégrer les solutions les plus pertinentes dans la bibliothèque.

Missions :

• Reprise de l’existant. Analyser le module actuel de détection et de suivi, diagnostiquer ses limites de généralisation sur d’autres capteurs et en rendre compte.

• Données et protocole d’évaluation. Constituer des jeux de données infrarouges et visibles, avec découpage par séquence, tests inter-datasets et métriques normalisées (mAP, HOTA, IDF1, vitesse d’exécution).

• Benchmark de l’état de l’art. Comparer des détecteurs et des trackers récents, avec entraînement ou fine-tuning, augmentation de données et résultats reproductibles.

• Intégration. Intégrer les solutions retenues dans la bibliothèque C++ et réaliser des démonstrations.

• Documentation. Rédiger un guide de décision par cas d’usage et la documentation technique.

Profil:

• Étudiant en informatique spécialisé intelligence artificielle / vision par ordinateur / génie logiciel avec :

  • Python et PyTorch, et de bonnes bases en deep learning et en évaluation de modèles ;

  • C++ et de CMake ;

  • De la rigueur, de l’autonomie et un esprit critique argumenté.