Connexion Espace candidat

J'ai déjà un espace candidat

Connexion à l'espace candidat





S'inscrire Je me crée un espace candidat

Vous n'avez pas encore votre propre espace candidat. Créez-le en cliquant ici.
Un souci ? Contactez-nous à
admin-poem@cea.fr

 
Pause
Lecture
Moteur de recherche d'offres d'emploi CEA

Vous êtes ici : 

Doctorant en deep learning avec modèles d'attention H/F


Détail de l'offre

Informations générales

Entité de rattachement

Le Commissariat à l'énergie atomique et aux énergies alternatives (CEA) est un organisme public de recherche.

Acteur majeur de la recherche, du développement et de l'innovation, le CEA intervient dans le cadre de ses quatre missions :
. la défense et la sécurité
. l'énergie nucléaire (fission et fusion)
. la recherche technologique pour l'industrie
. la recherche fondamentale (sciences de la matière et sciences de la vie).

Avec ses 16000 salariés -techniciens, ingénieurs, chercheurs, et personnel en soutien à la recherche- le CEA participe à de nombreux projets de collaboration aux côtés de ses partenaires académiques et industriels.  

Référence

2017-3242  

Description de la Direction

CEA Tech est le leader mondial de la recherche technologique. Les équipes d'ingénieurs chercheurs sont mobilisées pour bâtir et transférer à des partenaires industriels.
Intégré au Leti, le Département d'Architecture, Conception et Logiciel Embarqué a pour mission de créer des technologies :
- De systèmes numériques de calcul intégrés ou embarqués
- De composants intégrés et systèmes d'objets intelligents et communicants sans fil et de proposer une offre assurant le lien entre technologie et applications, basée sur les plateformes de Conception et Systèmes embarqués.

Description de l'unité

Le laboratoire développe des solutions intégrées de fusion de données appliquées aux capteurs de distance (radar, sonar, lidar, caméra temps de vol…).

Le laboratoire est impliqué, avec plusieurs autres équipes du CEA, dans un projet transverse de réalisation d'une chaine complète de perception ultra-son, du capteur à la grille d'occupation, en passant par l'électronique d'acquisition (numérisation, filtrage…) et de contrôle (orientation de l'émission, de la réception, post-traitements…). L'enjeu du projet est d'étudier une optimisation de bout-en-bout du système et d'aller jusqu'à la réalisation de démonstrateur applicatifs.

La contribution spécifique du laboratoire se situe dans la prise en compte des données de capteurs pour percevoir au mieux un environnement dynamique afin d'être capable de construire une bulle de protection pour un robot, une automobile, un drone, une personne.

L'objectif de ce poste est mener des recherches sur l'exploitation des données enregistrées dans une grille d'occupation.

Description du poste

Domaine

Mathématiques, information  scientifique, logiciel

Intitulé de l'offre

Doctorant en deep learning avec modèles d'attention H/F

Contrat

CDD

Statut du poste

Cadre

Durée du contrat (en mois)

3 ans

Description de l'offre

Ce sujet s'inscrit dans le contexte du développement des véhicules/drones/robots autonomes.
L'environnement du véhicule est représenté par une grille d'occupation, dans laquelle chaque cellule contient la probabilité de présence d'un objet. Cette grille est réactualisée au fil du temps, grâce aux données capteurs.
Les algorithmes de plus haut niveau (path planning, évitement d'obstacle, …) raisonnent sur des objets (trajectoire, vitesse, nature). Il faut donc extraire ces objets de la grille d'occupation : clustering, classification, et tracking.

De nombreux travaux abordent ces traitements dans un contexte vision, en particulier grâce au deep learning. Ils montrent par contre une très grande complexité calculatoire, et ne tirent pas parti des spécificités des grilles d'occupation (absence de textures, connaissance a priori des zones d'intérêt ...). On souhaitent trouver des techniques plus adaptées à ces particularités et plus compatibles avec une implémentation plus économe en calcul.

L'objectif de la thèse est de déterminer, à partir d'une suite de grilles d'occupation, le nombre et la nature des différents objets, leur position et vecteur vitesse, en exploitant les récentes avancées du deep learning avec modèles d'attention.

Mise en œuvre dans un démonstrateur
Le projet prévoit la mise en œuvre de la chaine de perception dans des démonstrateurs, du moins au plus intégré.

Profil du candidat

Minimum BAC + 5
Ecole d'ingénieur, master informatique
Ayant un fort attrait sur l'usage des réseaux de neurones.

Compétences nécessaires :
Anglais : bon niveau exigé
Faciliter rédactionnelle pour écrire des articles scientifiques et le rapport de thèse en vue d'être présentés auprès de pairs scientifiques
Doit posséder un esprit curieux et ouvert
Etre suffisamment autonome pour soutenir un axe de recherche.

Compétences appréciées :
- Avoir une première connaissance dans les architectures de réseau de neurones et de leurs programmation/apprentissage
- Connaissances en mathématiques appliquées (traitement du signal, fusion bayésienne de données, statistiques avancées…).

Localisation du poste

Site

Grenoble

Localisation du poste

France, Rhone-Alpes

Lieu

17 Avenue des Martyrs, • 38054 Grenoble, France

Critères candidat

Langues

Anglais (Courant)

Formation recommandée

Bac + 5 ou plus

Demandeur

Disponibilité du poste

01/09/2017


Autres offres

Ces offres pourraient vous intéresser