• Objectifs

Afin d’assurer une gestion optimale et sécurisée des ouvrages permettant le transport des eaux pluviales et eaux usées, il est nécessaire d’en opérer une inspection régulière. Réalisée grâce à une caméra fixée sur un chariot évoluant dans les canalisations, ces inspections consistent à détecter et identifier l’ensemble des défauts observables (fissures, ruptures, défauts de jointure entre tronçons…).

Le projet de recherche dans lequel s’inscrit ce stage a pour objectif d’automatiser ces inspections.  Cela se traduit  par le développement de modèles d'intelligence artificielle à partir de millions d’images annotées. Cependant, des erreurs d’annotations compromettent les performances des modèles d’identification de défauts. 

L’objectif du stage est donc de développer des méthodes d'apprentissage tolérantes aux erreurs d’annotation et de nettoyer automatiquement ces données.

• Missions principales

- Révision bibliographique sur les méthodes d’apprentissage avec des labels bruités /  corrompus

- Choix et implémentation des approches les plus adaptées

- Évaluation des gains en performance.

• Vos qualités, votre savoir-être

- Aptitude à travailler en équipe, à communiquer avec des non spécialistes

- Aisance en programmation informatique

- Curiosité intellectuelle

- Fort intérêt pour la recherche scientifique

En tant qu'entreprise inclusive, Veolia s’engage pour la diversité et accorde la même considération à toutes les candidatures, sans discrimination. 

• Formation

Niveau Master 2 ou Élève ingénieur.e généraliste en dernière année (BAC+5)

Spécialisation en Data Science, Informatique, Statistiques, Computer Vision, Deep Learning.

• Vos compétences 

- Bonne maîtrise de Python et des plateformes de deep learning (TensorFlow/Keras)

- Bonne maîtrise de modèles convolutifs deep learning

- Bonne connaissance des techniques et librairies de traitement d’images (OpenCV,

scikit-image,...)

- Bonne communication écrite et orale

- Bonne maîtrise de l’anglais