Etapa de desarrollo en conjunto de datos de visión por computadora y modelo CNN

Descripción de la empresa

Convencido de que la tecnología debe contribuir a hacer nuestros entornos de vida más sencillos, sostenibles y seguros, LACROIX (5300 colaboradores, 619M€ de facturación proforma) acompaña a sus clientes en la construcción y gestión de ecosistemas de vida inteligentes, gracias a equipos y tecnologías conectadas y a través de una visión:

«Connected Technologies for a Smarter World».

En el corazón de la estrategia L25 del grupo, Impulse es la Unidad de Negocio de I+D de nuestra actividad de Electrónica. Reúne las tecnologías clave para ayudar a las empresas y a los industriales en la aceleración de su transformación tecnológica y digital. La oferta de Impulse se basa en un conjunto completo de expertises en el diseño e industrialización de soluciones IoT (hardware, software y cloud), IA, Computer Vision, Ciberseguridad,... para convertirse en un actor principal del IOT Industrial. Impulse apunta a mercados con altas implicaciones sociales y prospectos de crecimiento, especialmente en los ámbitos de la domótica, la industria, la movilidad y el automóvil.

Principalmente basados en Cesson en el corazón de la cuenca tecnológica de Rennes, los equipos de Impulse (hoy 100 colaboradores) tienen la vocación de crecer junto con LACROIX contribuyendo a su crecimiento.

Descripción del puesto

Tema: Dataset y modelo CNN para la detección de objetos en carretera

La detección y seguimiento de objetos en vídeo ofrece un amplio abanico de aplicaciones en robótica y en nuestra vida cotidiana. Para ello, el uso de redes neuronales profundas se ha impuesto gracias a su gran capacidad para aprender representaciones visuales significativas. En LACROIX-Impulse, el centro de I+D de LACROIX con sede en la metrópoli de Rennes, hemos considerado la detección de objetos en la carretera como un objetivo para la vigilancia y la regularización del tráfico.

Estarás unido/a a Lesley-Ann, ingeniera en Visión por Computadora.

El objetivo del internado es estudiar el uso del aumento de datos, tales como datos sintéticos generados por el simulador CAR Learning to Act (Carla), con el fin de mejorar la detección de objetos en ciertas condiciones. Este simulador permite generar datos de entrenamiento (imágenes, flujo óptico, segmentación, trayectorias...) a gran escala con objetos y parámetros específicos encontrados en escenas de vídeo del mundo real, pero menos disponibles en los conjuntos de datos existentes como COCO o Google OpenImage. También se podría considerar el uso del simulador AirSim, así como la creación de una ciudad virtual por parte del interno. También se podrían proponer mejoras en la red existente.

Tus misiones:

• Aprender a usar el simulador CARLA para generar datos de entrenamiento sintéticos con los objetos y parámetros considerados.
• Crear una interfaz de usuario para automatizar la creación de estos nuevos conjuntos de datos
• Comparar el simulador CARLA con su competidor AirSim
• Llevar a cabo el procesamiento, la fusión y el post-procesamiento de los datos para preparar los datos de entrenamiento y prueba para la red.
• Establecer métricas para analizar los conjuntos de datos (existentes y sintéticos)
• Formación del modelo de detección de objetos basado en el CNN con el conjunto de datos aumentado
• Establecimiento de un benchmarking para cuantificar el impacto de la adición de nuevos conjuntos de datos en el rendimiento de la red en función de sus características
• Opcional: trabajar en la creación de un nuevo mapa utilizable en CARLA al copiar un barrio de Rennes con OpenStreetMap
• Redactar un informe, un artículo científico o una divulgación de invención en función de los resultados obtenidos.

Resultados esperados

• Una interfaz de usuario parametrizable que permite la generación de datos sintéticos generados a partir de un simulador para la tarea,
• Conjunto de datos aumentado para entrenamiento y prueba del modelo de detección de objetos de carretera basado en el CNN que es una fusión del conjunto de datos sintéticos y del conjunto de datos existente,
• Entrenamiento y prueba del modelo CNN para la tarea, con una evaluación para confirmar la mejora de la detección,
• Métricas para analizar el conjunto total de datos (sintéticos y existentes)
• Un informe y una solicitud de patente en función de la novedad del enfoque estudiado.

Calificaciones

• Eres un estudiante de ingeniería o equivalente
• Se dice de ti que tienes un espíritu creativo y que eres autónomo.
• Tienes una cierta pasión por los algoritmos, especialmente en visión por ordenador y tienes buenas habilidades de programación en Python.
• Experiencia relevante en un marco de aprendizaje automático y experiencia en el uso de motores 3D (Unity, Unreal Engine) sería una ventaja (Pytorch, TensorFlow, etc.).
• Conocimientos en C, C++ o C# también serán una ventaja.
• Puedes ser requerido/a para trabajar en un contexto internacional, por lo tanto un buen nivel de inglés es necesario.

Información adicional

Beneficios:

• Internado remunerado con acceso a tickets de comida
• Oportunidad de trabajar en proyectos innovadores y de alta tecnología
• Tutelado por un equipo experimentado y apasionado