Stage Deep Learning pour la synthese d'image dans le domaine du traitement des déchets

• Missions & objectifs

Le stage sinscrit dans un projet de contrôle des matières arrivant en centre de traitement des déchets. Afin de sassurer de la qualité des flux de matières entrantes attendues il est nécessaire dinspecter les contenus déversés et de détecter les déchets non-conformes. Cette étape est cruciale car elle permet doptimiser le processus de recyclage des matières reçues.

La vérification de la conformité sinscrit dans le cadre de la loi AGEC de février 2020. 

Lapprentissage profond (deep learning) permet de développer de nouvelles approches de contrôle qualité améliorant la sécurité et la fiabilité du process de déclassement par les sites. Les déchets bien triés permettent une meilleure valorisation pour le recyclage.

VERI souhaite donc explorer différentes techniques de deep learning de statistiques et de traitement dimages afin de transformer lactivité à travers des processus daide à la décision. 

Ce stage permettra de travailler sur différentes techniques dannotation automatique de données images et de synthèse dimages avec pour objectif de constituer une base de données robuste pour la détection automatique de déchets non-conformes.

• Missions principales

1. Révision bibliographique sur les méthodes de synthèse dimages appliquées au domaine

2. Choix et implémentation de lapproche la plus adaptée

3. Comparaison des performances dun modèle de reconnaissance dobjet et/ou segmentation dinstance avec et sans synthèse dimages. 

Ce stage offre la possibilité de poursuivre avec une thèse CIFRE sur un sujet similaire .

Qualifications :

• Formation

Niveau Master 2 ou Élève ingénieur.e généraliste en dernière année  (BAC5)

Spécialisation en machine learning traitement dimages et des signaux ou statistiques.
 

Mots-clés : Computer vision Deep Learning Artificial intelligence Generative Adversarial Networks Image Processing Data Fusion

• Vos compétences 

1. Bonne maîtrise de Python et des plateformes de machine learning (TensorFlow/Keras)
2. Bonne maîtrise de modèles convolutifs Deep Learning
3. Bonne connaissance des techniques et librairies de traitement dimages (OpenCV scikit-image...)
4. Bonne communication écrite et orale
5. Bonne maîtrise de langlais

• Aptitude à travailler en équipe à communiquer avec des non spécialistes

• Aisance en programmation informatique

• Curiosité intellectuelle

Informations supplémentaires :

En tant quentreprise inclusive Veolia sengage pour la diversité et accorde la même considération à toutes les candidatures sans discrimination. 

Remote Work :

Yes

Employment Type :

Full-time