Ingénieur - Computer Vision H/F - Université Orléans

Présentation du service/laboratoire :

La vocation du laboratoire PRISME est pluridisciplinaire dans le domaine général des sciences pour l'Ingénieur et des technologies sur un large spectre de champs disciplinaires incluant :

-Le traitement du signal et de l'image,

-L'automatique,

-La robotique.

-La combustion dans les moteurs, l'énergétique, les explosions,

-L'aérodynamique, la mécanique des fluides,

Le laboratoire a choisi de se structurer avec deux départements scientifiques organisés en axes thématiques. L'axe Image & Vision (IV) du laboratoire PRISME (Pluridisciplinaire de Recherche en Ingénierie des Systèmes, Mécanique, Énergétique - UR 4229) se consacre au développement d'approches conceptuelles et à l'adaptation d'outils théoriques pour le traitement numérique des images et la vision par ordinateur.

Ses objectifs et thématiques sont les suivants :

-Traitement d'images et vision : Recherche sur l'analyse, la compréhension et le traitement de données visuelles complexes.

-Multimodalité et apprentissage automatique : utilisation de l'intelligence artificielle et de l'analyse combinée de différentes sources de données.

-Applications principales :

Santé et médecine personnalisée (maintien à domicile).
Industrie du futur.
Agriculture de précision / agriculture du futur.

Missions:

Dans le cadre d'un projet portant sur l'analyse automatique des façades de bâtiments à partir d'images de rue, la personne recrutée aura pour mission d'évaluer, optimiser et automatiser un pipeline de traitement développé lors d'un stage de fin d'études ingénieur.

Pipeline de traitements:

Des dizaines de milliers d'images de façades ont été acquises dans l'agglomération orléanaise à l'aide de caméras embarquées sur un véhicule. La mission consistera à traiter l'ensemble des données acquises et à automatiser les différentes étapes du pipeline :

-pré-traitement et organisation des données ;
-détection des façades dans les images ;
-mise en correspondance des façades avec la cartographie BD TOPO - IGN;
-détection des portes et fenêtres
-segmentation des entités détectées
-fusion des différentes vues d'une même façade ;
-calcul du taux d'ouverture des façades ;
-enrichissement sémantique par modèle IA vision-langage

Les interfaces entre les modules traitements doivent d'abord être implémentées pour automatiser l'exécution de l'ensemble du pipeline.
Chacune de ces étapes introduit des incertitudes et il est essentiel d'évaluer leur importance sur chacune d'entre elles afin de les réduire et de quantifier la performance globale de ce pipeline qui exploite les images de rue, une des modalités utilisées dans notre approche qui comprend également les images satellites, les images LiDAR, les données cartographiques...
En particulier, la géo-localisation des images de façades pendant la circulation du véhicule s'est appuyée sur le GPS interne des caméras GoPro embarquées. Nous avions aussi loué un GPS externe de plus grande précision. Ses mesures de référence pourront être utilisées pour évaluer l'incertitude de celles des caméras GoPro et leur incidence sur l'attribution correcte de façades à des bâtiments référencés sur la base BD-Topo de l'IGN.
Il faudra donc disposer d'un jeu de données de référence sur chacune des étapes du pipeline et y confronter les résultats expérimentaux.

Valorisation des travaux:

La personne recrutée contribuera également à la :

-Publication des images de façades collectées sur la plateforme Panoramax, une base de photographies géo-localisées développée par l'IGN, afin de participer au développement d'un géo-commun, une ressource numérique souveraine, libre et réutilisable. Chaque photo géolocalisée publiée sur Panoramax est utilisable par tous et pour des usages variés, par exemple par une collectivité territoriale qui a besoin d'observer l'état de la voirie ou par un opérateur de télécommunications pour préparer une intervention.
-Au code produit pour réaliser le pipeline qui pourra également être mis à disposition de la communauté scientifique.
- Une publication scientifique - conférence internationale ou revue - pourra présenter le pipeline élaboré, et son évaluation quantitative sur la base d'images de notre zone d'études orléanaise.

Formation et expérience professionnelle:

-Bac +5 (Master 2/ école ingénieur) diplômé en informatique avec de bonnes connaissances en traitement d'images

-Maîtrise de la programmation Python (Pandas, NumPy, Scikit-learn, PyTorch/TensorFlow) ainsi qu'en apprentissage profond

-Bon niveau d'anglais

-Quelques connaissances en Systèmes d'Information Géographique (SIG) seraient également appréciées.

• Python
• Anglais
• Computer vision
• Intelligence artificielle
• Traitement d'image
• TensorFlow
• SIG