Stage Deep Learning pour lInspection automatique de réseaux deau – VERI

• Missions & objectifs

Lapprentissage profond (deep learning) est une révolution qui permet de développer des algorithmes très puissants et ouvre la porte à de nouvelles fonctionnalités dans des domaines très divers en particulier en vision par ordinateur et pour lindustrie. Le cycle de distribution et de traitement des eaux est un domaine qui foisonne de défis de recherche sur lesquels se penche la Recherche & Innovation de Veolia. Afin dassurer une gestion optimale et sécurisée des ouvrages permettant le transport de leau il est nécessaire dopérer une inspection régulière réalisée grâce à une caméra portée par un chariot évoluant dans les canalisations et contrôlée par lopérateur. Le processus dinspection des canalisations deaux usées est majoritairement manuel et basé sur lexpertise de lopérateur qui détecte identifie les défauts observables (fissures ruptures défauts de jointure entre tronçons) et fournit un rapport dinspection. Ce processus a été très peu modifié au fil des années et nécessite des améliorations. Le projet de recherche dans lequel sinscrit ce stage a pour objectif de transformer lactivité à travers des processus daide à la décision.

VERI souhaite donc explorer différentes techniques de deep learning de statistiques et de traitement dimages afin daméliorer la classification de défauts dans les canalisations.

Ce stage permet de travailler sur une grande quantité de données industrielles concrètes (centaines de milliers dimages) déjà constituées en bases annotées exploitables afin de pouvoir tirer réellement parti du deep learning et avec lappui dune infrastructure cloud opérationnelle.

• Missions principales

Révision bibliographique sur les modèles convolutifs Deep Learning appliqués au domaine

Exploration potentielle de différentes pistes selon lavancement du projet :

• Développement de modèles de classification multi-vues  (plusieurs images en entrée)

• Développement de modèles de synthèse dimages (GAN self-supervised learning etc)

• Comparaison de performances de modèles de classification sur un dataset construit avec et sans synthèse dimages

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 

Bonne maîtrise de Python et TensorFlow/Keras et de modèles convolutifs Deep Learning

Bonne connaissance des techniques danalyse visuelle et de traitement dimages

Bonne communication écrite et orale

Bonne maîtrise de langlais
 

• Vos qualités votre savoir-être

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 :

No

Employment Type :

Full-time