Stage - Restauration d'image par Machine Learning H/F

2019-10-21T19:32:47.517

Information clé

Mathématiques et Algorithmes
Recherche, conception et développement
Etudiant
100 rue de paris 91300 massy, Ile De France, FRANCE
Stage, Temps complet, 6 mois
BAC+5
Jeune diplômé/Première expérience
Anglais Intermédiaire
MSY-19-DT-CECN-57223-78185

Description de la mission

Aujourd'hui, les traitements d'images sont présents dans de très nombreux domaines tels que la robotique, les véhicules autonomes, l'aide au pilotage d'avions, … Dans de nombreux cas les images provenant des capteurs nécessitent de nombreux traitements tels que du débruitage ou du défloutage pour optimiser la qualité visuelle.
Ces problématiques ont été explorées depuis de nombreuses années à travers diverses approches, mais un niveau de performance a été franchi avec l'apparition du Deep Learning. En effet, l'état de l'art pour l'ensemble des méthodes de restauration est pratiquement uniquement composé de méthodes se basant sur des réseaux convolutifs profonds. Cependant ces réseaux bien que très efficaces, présentent l'inconvénient d'être très lourds d'un point de vue computationnel et donc, très difficile d'implémentation sur les produits Safran.
Plusieurs études ont montré la possibilité d'utiliser des approches dites de « machine learning », c'est-à-dire des méthodes basées sur des « Random Forest » ou « SVM » pour restaurer des images. A l'inverse des réseaux convolutifs, ces méthodes sont beaucoup moins coûteuses et présentent à la fois l'avantage de posséder un nombre de paramètres réglables, mais également de pouvoir être cumulées et mélangées pour être très robuste. Certaines approches proposent également de l'apprentissage de paramètres sur la base d'algorithmes classiques. Cela pourrait permettre d'imaginer par exemple un algorithme pouvant être adapté en fonction d'un niveau de flou, de bruit variable, ce qui est actuellement impossible avec un réseau convolutif.
Au sein de l'équipe Traitement d'Images de Safran Electronics and Defense (SED), vous aurez la mission d'explorer les différentes méthodes existantes basées sur ces techniques de « machine learning » pour établir un nouvel algorithme capable de restaurer efficacement des images. Cet algorithme sera comparé aux méthodes préexistantes et notamment celles de Deep Learning en terme d'efficacité et de temps de calcul. En fonction des avancées, il sera possible d'intégrer ces algorithmes dans les chaines de traitement d'image existantes.

Votre profil

Vous êtes actuellement en formation scientifique dans le domaine des Mathématiques, Techniques de Traitement du signal et des images
Compétences techniques : Traitement du Signal et des Images, Mathématiques, Python ; Sklearn, PyTorch seraient un plus.
Qualités requises : Rigueur, Capacités d'analyse, Synthèse

Entité de rattachement

Safran Electronics & Defense

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 92 000 collaborateurs pour un chiffre d'affaires de 21 milliards d'euros en 2018. Safran occupe, seul ou en partenariat, des positions de premier plan mondial ou européen sur ses marchés. Pour répondre à l'évolution des marchés, le Groupe s'engage dans des programmes de recherche et développement qui ont représenté en 2018 des dépenses d'environ 1,5 milliard d'euros.

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.

Appuyer sur Entrée pour valider ou Echap pour fermer