Adaptation de domaine exploitation d'images de synthèse pour détection d'objets par deep learning H/F

Safran est un groupe international de haute technologie opérant dans les domaines de l'aéronautique (propulsion, équipements et intérieurs), de l'espace et de la défense. Sa mission : contribuer durablement à un monde plus sûr, où le transport aérien devient toujours plus respectueux de l'environnement, plus confortable et plus accessible. Implanté sur tous les continents, le Groupe emploie 79 000 collaborateurs pour un chiffre d'affaires de 16,5 milliards d'euros en 2020, et occupe, seul ou en partenariat, des positions de premier plan mondial ou européen sur ses marchés. Safran s'engage dans des programmes de recherche et développement qui préservent les priorités environnementales de sa feuille de route d'innovation technologique. Safran est classé meilleur employeur mondial 2020 dans son secteur par le magazine Forbes. Safran Electronics & Defense est un leader mondial de solutions et de services permettant d'observer, de décider et de guider pour les marchés civils et de défense. La société maîtrise des technologies d'intelligence embarquée dans de nombreux domaines et participe à de nombreux programmes innovants dans l'aéronautique, le spatial et la défense. Depuis le récent essor des réseaux convolutifs (deep learning), les techniques d'apprentissage profond connaissent un vif succès dans le domaine de la vision par ordinateur. L'acquisition de données réelles et diversifiées étant très coûteuse pour nos domaines d'application, l'apprentissage sur données synthétiques se révèle être un véritable enjeu pour Safran. En qualité de stagiaire, votre objectif est de développer une méthode d'apprentissage d'un réseau de neurones basé exclusivement sur des données simulées. Le contexte de votre stage sera d'entrainer un réseau de détection pour détecter des objets d'intérêt comme des voitures. La génération des données ainsi que la stratégie d'entrainement seront les éléments à définir afin d'obtenir les meilleures performances sur des données réelles. Nous nous intéresserons notamment aux techniques récentes d'adaptation de domaine. Après une phase de veille technologique, vous serez en charge des tâches suivantes : * Choix du réseau de détection * Définition du type de données simulées nécessaires * Définition de la stratégie d'entrainement * Validation de l'entrainement sur données réelles Les performances issues d'un entrainement donné devront faire l'objet d'une analyse critique afin d'améliorer la base de données ou bien la stratégie d'entraînement. La génération de données simulées sera faite à partir d'un logiciel de simulation d'images de synthèses (Blender / Unreal Engine).. Vous serez intégré(e) dans l'équipe métier Traitement d'Images du centre Safran Electronics & Defense de Massy. Afin de mener à bien ces tâches, vous travaillerez en collaboration avec votre tuteur et les autres membres de l'équipe. Ayant de solides connaissances en mathématiques appliquées, vous être très intéressé(e) par le traitement d'images et souhaitez acquérir une expérience en traitement d'images ainsi qu'en Deep Learning. Vous connaissez les langage Python et le framework Pytorch. Des connaissances en infographie ou en génération d'images de synthèses seraient un plus.