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

IA de confiance : Vers une détection d'objets robuste à un contexte nouveau, dans un monde ouvert H/F


Détail de l'offre

Informations générales

Entité de rattachement

Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.

Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.

Implanté au cœur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.

Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :

• La conscience des responsabilités
• La coopération
• La curiosité
  

Référence

2023-29871  

Description de l'unité

Basé à Paris-Saclay, le CEA List est l'un des quatre instituts de recherche technologique de CEA Tech, direction de la recherche technologique du CEA. Dédié aux systèmes numériques intelligents, il contribue au développement de la compétitivité des entreprises par le développement et le transfert de technologies.
L'expertise et les compétences développées par les 800 ingénieurs-chercheurs et techniciens du CEA List permettent à l'Institut d'accompagner chaque année plus de 200 entreprises françaises et étrangères sur des projets de recherche appliquée s'appuyant sur 4 programmes et 9 plateformes technologiques. 21 start-ups ont été créées depuis 2003.
Labellisé Institut Carnot depuis 2006, le CEA List est aujourd'hui l'institut Carnot Technologies Numériques.
Le Laboratoire de Vision et Apprentissage pour l'analyse de scène (LVA) mène ses recherches dans le domaine de la Vision par Ordinateur (Computer Vision) selon quatre axes principaux :
· La reconnaissance visuelle (détection et/ou segmentation d'objets, de personnes, de patterns; détection d'anomalies; caractérisation)
· L'analyse du comportement (reconnaissance de gestes, d'actions, d'activités, de comportements anormaux ou spécifiques pour des individus, un groupe, une foule)
· L'annotation intelligente (annotation à grande échelle de données visuelles 2D/3D de manière semi-automatique)
· La perception et la décision (processus de décision markovien, navigation)

Description du poste

Domaine

Autre

Contrat

Stage

Intitulé de l'offre

IA de confiance : Vers une détection d'objets robuste à un contexte nouveau, dans un monde ouvert H/F

Sujet de stage

Le comportement de réseaux de neurones supervisés pour reconnaître certaines classes précises est incertain lorsqu'il est soumis à des classes jamais vues auparavant. Pouvoir détecter que la classe d'un objet est différente de celles connues lors de l'apprentissage, est un challenge appelé Out Of Distribution detection (OOD) qui est important pour assurer un déploiement sûr des modèles d'IA. Une IA de confiance est cruciale dans des applications critiques comme la conduite autonome. En effet, l'une des problématiques les plus importantes pour ces applications est le manque de signaux de supervision sur des données non vues en apprentissage qui peut générer des prédictions erronées mais confiantes sur des données hors-distribution (OOD) [1].

Durée du contrat (en mois)

6

Description de l'offre

Plusieurs méthodes ont étudiées ce sujet dans le cadre de la classification d’images. Ces approches peuvent être globalement classées en approches post-hoc et approches de régularisations de modèles en intégrant différentes formes d’outliers comme des données OOD (via des Generative Adversarial Networks, l’addition de bruit, mixup, etc.). Néanmoins, encore trop peu de travaux traitent l’OOD dans le cadre de la détection d’objets [2,3,4,5] et sont difficilement comparables du fait des différences de protocoles et de métriques d’évaluation. En outre, le comportement des détecteurs d’objets OOD dans des conditions plus réalistes, comme celles du monde ouvert, et d’une éventuelle confrontation à de nouveaux contextes spécifiques, tels que ceux des images aériennes [6], n’a pas été étudié. Ces contraintes opérationnelles posent donc de nouveaux défis.

Le but de ce stage est de concevoir et de développer une méthode de détection d’objets capables de différencier avec confiance les objets connus « In Distribution » (ID) des inconnus « Out Of Distribution » (OOD) et d’appliquer cette méthode dans des contextes nouveaux. Plusieurs axes d’études seront explorés:

Concevoir un détecteur d’objets conscient de l’existence de l’inconnu (unknown-aware). Les méthodes de détection d’objet Open Set pourront ainsi être investiguées. Celles-ci permettent la détection non seulement des objets de classes connues mais aussi des autres objets présents de classes « inconnues ».
Appliquer cette méthode à des contextes nouveaux (images aériennes vs images routières par exemple).
Etendre la méthode vers un apprentissage Open World, où les nouvelles classes d’objets découvertes sont intégrées itérativement au modèle.
 

La publication d’articles scientifiques sera encouragée.

Moyens / Méthodes / Logiciels

Deep learning (python, tensorflow, pytorch)

Profil du candidat

Stage de fin d'étude de master M2 ou École d'ingénieur

Compétences requises :

  • Vision par ordinateur, reconnaissance de formes
  • Apprentissage automatique (deep learning)
  • Python, C/C++
  • Maîtrise d’un framework d’apprentissage profond (en particulier Tensorflow ou PyTorch)

Localisation du poste

Site

Saclay

Localisation du poste

France, Ile-de-France, Essonne (91)

Ville

Palaiseau

Critères candidat

Langues

Anglais (Courant)

Diplôme préparé

Bac+4/5 - Diplôme de recherche technologique (DRT/DRI)

Formation recommandée

Master de recherche ou école d'ingénieur en vision et apprentissage

Possibilité de poursuite en thèse

Oui

Demandeur

Disponibilité du poste

21/11/2023