Stage Ingénieur en Vision Restauration de Séquences d'Images Infrarouges par IA H/F

Safran - CDD/Stage/Alternance; Éragny; On-site; EUR 11,000 - 18,000; Part time

Job summary

Safran - CDD/Stage/Alternance recherche un stagiaire ingénieur en ML/vision par ordinateur pour développer des plateformes low-cost d’acquisition d’images infrarouges et évaluer des méthodes de restauration d’image basées sur l’IA.

Vous réaliserez une revue de littérature, proposerez des métriques et mettrez en œuvre les évaluations sur des séquences réelles et synthétiques. Le poste se déroule en Île-de-France, Éragny, en stage/alternance dans un environnement Linux et PyTorch.

Qualifications

• Dernière année d'école d'ingénieur en ML/vision.
• Compétences en Python/PyTorch et Linux.
• Connaissances en CNN et Vision Transformers.

Responsibilities

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

Skills

Mathématiques appliquées

Apprentissage automatique

Vision par ordinateur

Programmation Python

CNN

Vision Transformers

Python

Linux

Education

Dernière année d'école d'ingénieur

Tools

PyTorch

Linux

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 :

• 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.
• Vous proposerez un ensemble de métriques d'écart à l'image de référence.
• Vous mettrez en oeuvre les évaluations des approches.
• 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
• 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.