Au cours de votre stage chez Unissey, vous collaborerez avec l’équipe R&D sur l’un des deux axes suivants, afin de contribuer à l’amélioration de notre solution biométrique faciale et de relever les défis qui y sont associés :

• Détection d’usurpation d’identité : La détection du vivant est un procédé biométrique qui vise à vérifier qu’un visage provient d’un être humain vivant présent au moment de la capture, et non d’un artefact ou d’une attaque de spoofing (photo, vidéo, masque).

  • Adaptation des architectures d’état de l’art aux spécificités du visage (Key-point based attention)

  • Modèles multi-modaux pour plus d’explicabilité/utilisation des metadatas (Explainable AI)

  • Exploration des techniques de compression et de réduction des temps d’inférence (Quantification, Pruning, distillation)

  • Exploration de nouvelles architectures temporelles pour la classification vidéo (ViT, SwinVideo, V-JEPA)

• Vérification de l’âge : La vérification d’âge consiste à estimer automatiquement, à partir d’une image du visage, si une personne est au-dessus ou en dessous d’un âge seuil. Cette tâche s’appuie sur des modèles capables d’extraire des indices faciaux corrélés à l’âge tout en restant robustes aux variations d’apparence.

  • Exploration des méthodes d’apprentissage de densité de probabilité

  • Mise à niveau de la solution avec des architectures à l’état de l’art (ViT, SwinTransformers,…)

  • Analyse et réduction des biais démographiques (genre, ethnie) sur les performances de la solution

En travaillant chez Unissey, vous aurez peut-être l’occasion de contribuer à l’ensemble de notre solution d’analyse du visage, de la détection des visages à la comparaison faciale en passant par la détection des attaques par injection ou par présentation.

• Étudiant en master ou en école d’ingénieur en informatique, mathématiques appliquées ou tout autre domaine technique pertinent.

• Expérience préalable dans la création et l’entraînement d’algorithmes d’apprentissage profond.

• Bonnes connaissances théoriques en vision par ordinateur, Deep Learning et autres techniques de Machine Learning.

• Excellentes compétences e Python (une expérience avec PyTorch est un plus).

• Grand sens de l’initiative, autonomie et rigueur scientifique.

• Curiosité et intérêt marqué pour les sujets liés au Deep Learning et au Machine Learning et les dernières avancées scientifiques.

• Maîtrise de l’anglais (capacité à comprendre rapidement des documents techniques et à rédiger des rapports en anglais).

• Maîtrise du français.

• Des connaissances théoriques en techniques de compression vidéo et d’images sont un plus.

• Une expérience préalable avec Git et les outils collaboratifs est un plus.

• Des projets personnels ou des participations à des concours Kaggle sont un plus.

Le processus de recrutement se déroule en plusieurs étapes :

• Un entretien en visio avec un membre de l’équipe

• Un test technique à réaliser chez soi

• Un entretien technique, si possible dans les bureaux d’Unissey, pour tester vos connaissances et rencontrer les membres de l’équipe.