L'objectif est de développer une chaîne de traitements opérationelle pour détecter de façon automatique des résidus de creusement à l'échelle d'un pays. L'étudiant(e) aura acquis des compétences spécifiques en traitement d'images et en deep-learning.Lors de ce post doctorat, il conviendra en particulier d’adresser les points durs méthodologiques suivants :
- Détection de déblais de creusements de taille variant de quelques dizaines à quelques centaines de mètres dans des images de résolution décamétrique et d'une emprise au sol ('fauchée') de quelques dizaines de kilomètres ;
- Utilisation de l’information multispectrale afin d’exploiter la signature spectrale des résidus de creusement dans la méthode de détection ;
- Exploitation conjointe de modèles numériques de terrain haute résolution et de carte de classification des sols pour la constitution de la base d’apprentissage ;
- Constitution d’une base d’apprentissage avec peu de données (approches few shot learning ou augmentation de données avec des méthodes de type GAN).

Une attention particulière sera portée au développement informatique des codes afin que la méthode puisse être intégrée dans les chaînes de traitement opérationnelles du CEA/DAM.
Conformément aux engagements pris par le CEA en faveur de l'intégration des personnes en situation de handicap, cet emploi est ouvert à tous et toutes. Participant à la protection nationale, une enquête administrative est réalisée pour tous les salariés du CEA afin d'assurer l'intégrité et la sécurité de la nation.

Candidat(e) spécialisé(e) en traitement des images, de préférence en télédétection. Des compétences en programmation sont requises (Python notamment). Des connaissances en reconstruction 3D, fusion de données ou Deep Learning seraient un plus.
programmation ; traitement d'images
Post-doc