Connexion Espace candidat

J'ai déjà un espace candidat

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

Vous êtes ici :  Accueil  ›  Liste des offres  ›  Détail de l'offre

STA- Apprentissage profond incrémental pour la recherche d'images 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

2018-7173  

Description de l'unité

Acteur majeur de la recherche, du développement et de l'innovation, le Commissariat à l'Energie Atomique et aux Energies Alternatives (16 000 salariés, environ 600 brevets déposés par an) intervient dans 4 grands domaines : les énergies bas carbone, la défense et la sécurité globale, les technologies pour l'information, et les technologies pour la santé.
Vous avez du talent et souhaitez travailler dans un environnement stimulant dédié aux technologies numériques ?

Rejoignez-nous !

Au sein de CEA Tech, le pôle « recherche technologique » du CEA, l'institut List dédie ses activités aux systèmes numériques intelligents. Nous avons un savoir-faire unique issu d'une culture de l'innovation et avons pour mission de produire et de transférer les technologies utiles à nos partenaires industriels dans quatre domaines :
- Usine du futur
- Systèmes cyberphysiques
- Instrumentation innovante
- Intelligence artificielle

Au sein du LIST, le Laboratoire de Vision et d'Ingénierie des Contenus (LVIC) emploie 80 chercheurs et ingénieurs travaillant dans le domaine de l'Intelligence Artificielle pour l'analyse et l'interprétation de données multimédia (texte, image, vidéo). Le laboratoire développe des algorithmes robustes pour l'extraction, l'analyse et le traitement de grands volumes de données multimédia et participe par ailleurs à de nombreux projets collaboratifs (ANR, Europe FP7, Pôle de Compétitivité) avec des partenaires académiques, PM

Délai de traitement

3 mois

Description du poste

Domaine

Mathématiques, information  scientifique, logiciel

Contrat

Stage

Intitulé de l'offre

STA- Apprentissage profond incrémental pour la recherche d'images H/F

Sujet de stage

Apprentissage profond incrémental pour la recherche d'images

Durée du contrat (en mois)

6

Description de l'offre

La recherche d'images par le contenu permet de retrouver des images similaires par rapport à une image requête donnée en entrée du système. Cette fonctionnalité est maintenant intégrée à des moteurs Web, comme Google Images et Bing Images, et est utilisée par de millions d'utilisateurs tous les jours. Elle comporte une vectorisation de l'image requête et de celles de la collection et une comparaison entre elles afin de retrouver les images de la collection les plus similaires à la requête. Un problème ouvert concerne l’évolutivité des systèmes de recherche d’images. Il est bien résolu concernant l’ajout de nouvelles images dans la collection mais pas concernant la mise à jour des vecteurs représentatifs des images. Cette mise à jour est très utile si on veut intégrer de nouvelles connaissances. Si on utilise une représentation sémantique des images, dans laquelle le vecteur caractéristique est formé de probabilités associées à des concepts tels « chat », « voiture », « tasse », «basketball » etc. (Ginsca et al., 2015), il s’agit de rajouter à la volée de nouveaux concepts et de les utiliser lors de la recherche d’images par le contenu sans avoir à recalculer intégralement les vecteurs à chaque ajout. Les travaux du stage vont s’appuyer sur des travaux récents en apprentissage incrémental (Rebuffi et al., 2017 ; Castro et al. ,2018; Belouadah et Popescu, 2018) pour la classification d’images. Il vont également utiliser des avancées concernant l’universalité (Girard et al., 2018) et la transférabilité (Yosinski et al., 2014) des représentations d’images basées sur des réseaux de neurones profonds.

En fonction du profil du candidat choisi, de ses préférences et du temps disponible, un ou plusieurs des objectifs suivants vont être abordés :
Quel type de représentation vectorielle des images se prête mieux à l’évolutivité ? Actuellement, la plupart des moteurs de recherche par le contenu se basent sur des représentations dites intermédiaires (avant dernière couche d’un réseau de neurones, par exemple). Nous avons montré que les représentations sémantiques constituent une bonne alternative (Ginsca et al., 2015) et but ici est d’analyser leurs mérites et limites.
Quand est-il utile de mettre à jour la représentation des images afin d’intégrer de nouvelles connaissances ? Une solution potentielle à ce problème peut reposer sur de mesures de transférabilité (Yosinski et al., 2014) entre les concepts appris et ceux de la collection.
Comment intégrer de nouvelles connaissances (concepts) dans les représentations des images sans avoir à réindexer l’intégralité de la collection ? Il s'agit ici d'évaluer les stratégies d'apprentissage et de les adapter au contexte de la recherche par le contenu, ainsi que d'étudier des structures d'index dynamiques.
Les approches proposées vont être évaluées sur des bases d’images publiques telles ImageNet (Russakovsky et al., 2015) et OpenImages. Selon les résultats obtenus, le stage pourra faire l’objet d’une public

Profil du candidat

Ingénieur ou Master 2 avec des compétences en
- Apprentissage profond (deep learning)
- Vision par ordinateur
- Python

Les compétences suivantes sont un plus :
- Recherche d'informations
- Frameworks d'apprentissage profond
- C/C++


Le poste est situé à Palaiseau (91) et ouvre la possibilité d'une poursuite en thèse ou sur un poste ingénieur au sein du laboratoire

Localisation du poste

Site

Saclay

Lieu

Route du Cyclotron, 91400 Saclay, France