Notre engagement en faveur de la diversité et de l’inclusion :
XXII est une entreprise inclusive et notre ambition est de recruter et promouvoir des talents divers. Nos annonces ne ciblent pas de genre, ici l’usage du masculin est utilisé afin d’alléger le texte.
__

Contexte :

Dans le cadre du développement de ses produits en intelligence artificielle et de sa plateforme de déploiement, XXII recherche un(e) stagiaire motivé(e) et talentueux(se) pour renforcer l’équipe R&D et produit pour répondre aux limites scientifiques et technologiques actuelles pour une industrialisation des solutions software en vision par ordinateur.

Vous serez rattaché(e) à l’équipe R&D sous l’encadrement d’un ingénieur ou docteur de l’équipe R&D.

Mission & Objectifs :
Dans le cadre du développement de solutions en vision par ordinateur, nous sommes souvent confrontés aux problématiques de reconnaissance et d’analyse des objets sur les images. Les approches les plus populaires pour répondre à ces problématiques sont les modèles de réseaux de neurones de classification et de détection d’objets qui permettent d’identifier les objets présents dans une image et préciser leur position.

Les modèles de détection que nous développons sont majoritairement déployés en production au sein d’applications d’analyse vidéo en temps réel. Nos modèles doivent donc avoir en production une vitesse de traitement (d’inférence) temps réel.

La taille et complexité de l’architecture d’un modèle est l’un des facteurs les plus déterminants de la vitesse de traitement du modèle mais également de la qualité de ses détections. L’augmentation en taille et complexité de son architecture permet généralement d’avoir une augmentation en la qualité de ses détections, contre une perte en sa vitesse d’inférence. C’est un dilemme d’autant plus important pour la détection de petits objets. Concevoir des architectures de modèles permettant d’atteindre des performances de détection à l’état de l’art tout en gardant des vitesses d’inférence permettant des traitements en temps réel est l’un des plus gros défis auxquels nous faisons face.

Aujourd’hui, il existe différentes approches permettant d’améliorer la vitesse d’inférence des modèles en déploiement tout en conservant la qualité de leur détections. Celles-ci peuvent être des optimisations réalisées sur le modèle avant son déploiement en production tel que la quantization ou le pruning mais également des optimisations réalisées durant l’utilisation du modèle en production tel que le batching.

Dans le cadre de ce stage, vous serez amené à développer une solution d’optimisation des performances des modèles de détection d’objets, capable d’accélérer la vitesse d’inférence de ces modèles en production sans dégrader la qualité de leurs détections. Pour cela vous serez en charge de réaliser un état de l’art des différentes approches et techniques puis déterminer la ou les méthodes les plus appropriées afin de répondre aux besoins du produit.

En accord avec l’équipe, vous serez en charge du développement de la fonctionnalité répondant aux contraintes du produit.

Étapes du stage et objectif :

• Réalisation d’un état de l’art complet sur les approches d’optimisation en déploiement des modèles de deep learning, et particulièrement de détection d’objets (Quantization, pruning, etc)
• Réalisation d’un état des lieux des optimisations effectuées sur les modèles de détections déployés en production chez XXII et identification des approches/pistes d’optimisation les plus adaptées et plus pertinentes.
• Définition d’un benchmark d’évaluation des optimisations.
• Implémentation et évaluation des optimisations sélectionnées.
• Rédaction d’un rapport.

Vous êtes en recherche d’un stage de fin d’études de M2 ou de diplôme d’ingénieur.
Vous avez un goût prononcé pour l’innovation, la recherche et le développement.
Vous êtes autonome et polyvalent(e) techniquement et scientifiquement.

Compétences requises :

Des connaissances théoriques solides en machine learning et en vision par ordinateur
Un bon niveau en programmation POO (C/C++ et/ou Python) est obligatoire
Une expérience avec les librairies de vision par ordinateur comme OpenCV et un framework de deep learning (Tensorflow, PyTorch, etc) est obligatoire
Lecture et rédaction d’articles scientifiques
Une bonne maîtrise du français et de l’anglais
Un goût prononcé pour l’innovation et la recherche

Modalités du stage :

Le stage sera situé dans nos locaux à Puteaux (92)
Localisation : La Défense (métro Ligne 1 : Esplanade de la Défense)
Stage de 6 mois, date de début : dès que possible en 2023.