Stage Ingénieur(e) en Vision : Restauration de séquences d'images infrarouges par IA F/H

Safran Electronics & Defense; Éragny; On-site; EUR 7,800 - 13,000; Full time

Job summary

Safran recherche un stagiaire en ingénierie pour développer des plateformes low-cost d'acquisition d'images infrarouges et évaluer des algorithmes de restauration d'images basés sur l’IA. Vous combinerez apprentissage profond et traitement d’images sur des données réelles et synthétiques, en laboratoire et sur Linux.

Le candidat idéal est en dernière année d'école d'ingénieur avec une orientation ML et vision par ordinateur, et maîtrise Python/PyTorch.

Qualifications

• Étudiant en dernière année d'école d'ingénieur avec spécialisation ML et vision par ordinateur.
• Maîtrise de Python et PyTorch.
• Connaissances en CNN et Vision Transformers et traitement d'images.
• Bonnes bases de mathématiques appliquées et Linux.
• Stage en IA/vision par ordinateur.

Responsibilities

• Réaliser une revue de littérature interne et externe pour comprendre l'état de l'art et proposer une sélection de méthodes à évaluer par rapport aux cas d'usage.
• Proposer un ensemble de métriques d'écart à l'image de référence.
• Mettre en œuvre les évaluations des approches.
• Si le temps le permet, évaluer l'apport en portée de détection et de résistance du tracking sur des scénarios synthétiques.
• Analyser et synthétiser l'ensemble des résultats.

Skills

Mathématiques appliquées

Apprentissage automatique

Vision par ordinateur

CNN

Vision Transformers

Traitement d'images

Python

PyTorch

Linux

Education

École d'ingénieur en ML/vision

Job description

Dans le but de développer des plateformes low-cost d'acquisition d'images infrarouges sur un vecteur aérien, on utilise un capteur infrarouge non-refroidi (bolomètre). Ce type de capteur a une certaine latence thermique ce qui implique un certain flou de bougé dans l'image qui peut être rédhibitoire pour les fonctions de détection/reconnaissance d'objet automatique qu'on souhaite associer à cette plateforme. En outre, par rapport aux capteurs refroidis, le niveau de bruit dans l'image est plus élevé.

Le stage proposé vise à sélectionner et évaluer sur des séquences d'images réelles et des séquences d'images de synthèse des algorithmes de restauration d'image à base d'IA (réseaux de neurones convolutifs). On entend par restauration défloutage, débruitage, correction d'aberrations optiques et éventuellement super-résolution. Les méthodes sélectionnées et évaluées pourront ou pas se baser sur des connaissances spécifiques sur le capteur ou sur le mouvement de la ligne de visée :

1. Vous effectuerez une revue de la littérature interne et externe pour comprendre les approches existantes dans l'état de l'art et vous proposerez une sélection de méthodes à évaluer par rapport aux problèmes encore existants sur nos cas d'usage.
2. Vous proposerez un ensemble de métriques d'écart à l'image de référence.
3. Vous mettrez en œuvre les évaluations des approches.
4. Si le temps le permet, vous évaluerez l'apport en portée de détection et de résistance du tracking au niveau de flou de bougé sur des scenarios synthétiques
5. Vous analyserez et synthétiserez l'ensemble des résultats.

Les résultats de cette recherche permettront de définir des recommandations sur les meilleures approches à utiliser. En dernière année d'école d'ingénieur à dominance Machine Learning / Traitement d'image. Compétences techniques : Mathématiques appliquées, Apprentissage automatique et vision par ordinateur par CNN et Vision Transfomers, Traitement d'images, Programmation Python/PyTorch, Système d'exploitation Linux.