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

IA de confiance : Vers une détection d'objets robuste face à l'inconnu 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

2022-23626  

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

Mathématiques, information  scientifique, logiciel

Contrat

Stage

Intitulé de l'offre

IA de confiance : Vers une détection d'objets robuste face à l'inconnu 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).
Plusieurs méthodes ont étudié ce sujet dans le cadre de la classification d'images. Néanmoins très peu de travaux traitent l'OOD dans le cadre de la détection d'objets.

Durée du contrat (en mois)

6 mois

Description de l'offre

Le but de ce stage est de concevoir et de développer une méthode de détection d’objets capable de différencier avec confiance les objets connus « In distribution » (ID) des inconnus « Out Of Distribution » (OOD). Plusieurs axes d’étude seront explorés:

  • Concevoir un détecteur d’objets conscient de l’existence de l’inconnu (unknown-aware) qui soit capable d’améliorer les résultats à la fois sur les bases de données sources et inconnues ;
  • Étudier les différentes méthodes de proposition d’exemples « négatifs » ajoutés à
    l’apprentissage. 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 ».
  • Étudier la classification ID / OOD à différents niveaux de granularité : entre classes, sous-classes, voire instances d’objets (exemple : voitures vs personnes, voitures de différentes marques, personnes d’identités différentes).

Moyens / Méthodes / Logiciels

Deep Learning / Python / Pytorch ou Tensorflow

Profil du candidat

Ingénieur, Master 2

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

Diplôme préparé

Bac+5 - Diplôme École d'ingénieurs

Formation recommandée

École d"ingénieur ou master en apprentissage et vision par ordinateur

Possibilité de poursuite en thèse

Oui

Demandeur

Disponibilité du poste

01/02/2023