Cette offre n’est plus disponible.

Stage en intelligence artificielle et vision par ordinateur - Pseudonymisation de données multimédia personnelles

Stage(6 mois)
Puteaux
Salaire : 1K à 1,2K € par mois
Télétravail non autorisé
Expérience : > 6 mois
Éducation : Bac +5 / Master

XXII GROUP
XXII GROUP

Cette offre vous tente ?

Questions et réponses sur l'offre

Le poste

Descriptif du poste

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 répondre aux limites scientifiques et technologiques actuelles pour une industrialisation des solutions software en vision par ordinateur.

Vous serez rattaché(e) au laboratoire de R&D sous la direction d’un ingénieur/docteur.

Mission & Objectifs :

Dans le cadre du développement de solutions en vision par ordinateur, de nombreux jeux de données sont récoltés afin d’entraîner des modèles de machine learning / deep learning. Ces jeux de données peuvent contenir des données personnelles non nécessaires et donc non souhaitables pour des raisons de conformité avec les différentes réglementation.

La pseudonymisation des données personnelles est un moyen de répondre à cet enjeu. Il s’agit d’un traitement des données de manière à ce que l’on ne puisse pas attribuer ces dernières à une personne physique sans avoir recours à des informations supplémentaires. Pour des images, une approche commune est le floutage des personnes. Cependant cette approche peut ne pas suffire et risque de limiter l’utilisation des jeux de données pour l’entraînement de modèles. C’est pourquoi la dé-identification est un domaine de recherche ayant reçu un intérêt croissant de la communauté scientifique ces dernières années. Les approches de dé-identification visent à rendre inaccessible les données personnelles tout en conservant certaines informations visuelles.
Récemment la modification du visage en conservant [1, 2], ou non [3, 4], les attributs grâce à des réseaux génératifs ont montrés des résultats encourageants. Une approche intermédiaire conservant certains attributs choisis en anonymisant d’autre [5] est aussi étudiée.
Une autre approche est de ne pas garder les attributs visuels non nécessaire pour la tâche sélectionnée, par exemple la reconnaissance d’activité [6].

Étapes du stage et objectif :

Définition d’un ou plusieurs cas d’utilisation afin d’identifier les approches pertinentes
Réalisation d’un état de l’art complet sur les approches de désidentification correspondant au problème
Recherche de projets en open source ou ré-implémentation d’algorithmes identifiés dans l’état de l’art et réalisation de tests de performances.
Implémentation et tests d’une nouvelle approche
Rédaction d’un rapport

Possibilité de la rédaction d’un article scientifique si apports théoriques notables

[1] A. Jourabloo, X. Yin, et X. Liu, « Attribute preserved face de-identification », in 2015 International conference on biometrics (ICB), 2015, p. 278‑285.
[2] Y. Li et S. Lyu, « De-identification without losing faces », arXiv preprint arXiv:1902.04202, 2019.
[3] P. Korshunov et T. Ebrahimi, « Using face morphing to protect privacy », in 2013 10th IEEE International Conference on Advanced Video and Signal Based Surveillance, 2013, p. 208‑213.
[4] T. Li et L. Lin, « AnonymousNet: Natural face de-identification with measurable privacy », in Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops, 2019, p. 0‑0.
[5] . Mirjalili, S. Raschka, A. Namboodiri, et A. Ross, « Semi-adversarial networks: Convolutional autoencoders for imparting privacy to face images », in 2018 International Conference on Biometrics (ICB), 2018, p. 82‑89.
[6] P. Agrawal et P. J. Narayanan, « Person de-identification in videos », IEEE Transactions on Circuits and Systems for Video Technology, vol. 21, nᵒ 3, p. 299‑310, 2011.


Profil recherché

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, autodidacte et polyvalent(e) techniquement et scientifiquement.
Vous disposez d’un grand sens de l’imagination et êtes créatif(ve).

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 les frameworks deep learning (Caffe, Torch, Tensorflow, etc) serait un plus
Lecture et rédaction d’articles scientifiques
Une bonne maîtrise du français et de l’anglais
Un goût prononcé pour l’innovation et la recherche


Déroulement des entretiens

Entretien téléphonique avec le Directeur de la R&D ainsi qu’un ingénieur IA
Entretien avec le Directeur de la R&D et la COO

Envie d’en savoir plus ?

D’autres offres vous correspondent !

Ces entreprises recrutent aussi au poste de “Données/Business Intelligence”.

Voir toutes les offres