L’imagerie aérienne est une source très riche d’informations à propos du territoire. Chez nam.R, nous cherchons à enrichir et améliorer notre Digital Twin, une base de données géospatiales qui fournit une représentation numérique des bâtiments français.

Nous avons accès à une base de données d’images aériennes du territoire français mais sommes confrontés à deux problèmes lors de l’exploitation de ces images. Dans un premier temps, la résolution de celles-ci est trop faible pour certaines opérations de vision par ordinateur et des détails peuvent être perdus. Ensuite, il existe de nombreuses inconsistances dans l’apparence des images (variabilité géographique ou due au système de capture) que nous voulons corriger.

Nous voudrions traiter ces problèmes en utilisant des algorithmes au niveau de l’état de l’art, des GANs (Generative Adversarial Networks, ou réseaux antagonistes génératifs) pour la super-résolution et le transfert de style. Il s’agit d’architectures avancées d’apprentissage profond (Deep Learning).

En tant que membre de l’équipe Computer Vision, le/la stagiaire aura pour tâche de développer des algorithmes de vision par ordinateur et de leur déploiement à grande échelle, ainsi que de l’intégration aux systèmes d’information géographique.

Formation:
3ème année d’école d’ingénieur ou Master 2 en mathématiques, statistiques, machine learning.

• Vous avez des compétences avancées en mathématiques appliquées et particulièrement en machine learning et traitement d’images
• Vous maitrisez les outils Python (Scikit Learn, Pandas…) et un framework de deep learning (Pytorch, Keras, …)
• Vous êtes structuré et rigoureux, êtes passionné par les nouvelles technologies, aimez travailler en équipe, avez le goût du challenge;
• Vous maitrisez de l’anglais à l’écrit comme à l’oral.