Offre d'emploi Stage de pré-thèse - Computer Vision - Points d'intérêts IA générative

Description Du Poste Finalité du poste L'unité de recherche et de technologie d'IDEMIA est chargée de développer toute nouvelle technologie, qui sera incluse dans toutes les gammes de produits d'IDEMIA, permettant de fournir une identité augmentée. Composée d’environ 100 chercheurs et développeurs, l'unité travaille sur de multiples domaines d'application : reconnaissance faciale, reconnaissance d'empreintes digitales, reconnaissance de l'iris, détection de la fraude, systèmes d'acquisition sécurisés, analyse vidéo, reconnaissance et authentification de documents. Toutes ces technologies sont développées pour atteindre le rang de n°1 mondial dans leur catégorie, garantissant un haut niveau de sécurité, tout en améliorant le confort de l’expérience utilisateur pour l'utilisateur final. Cette unité développe des algorithmes adaptés à de multiples cas d'utilisation : Identité dans le cadre d’applications civiles (élections, documents biométriques...)Contrôle aux frontières (Détection des fraudes sur les documents ou la biométrie, reconnaissance faciale avec comparaison avec le passeport et la réalité...)Police / Justice (identification des criminels, identification des objets dans les vidéos...)Contrôle d'accès (entrée dans un bâtiment ou toute zone sécurisée)Digitalisation de l’identité sur smartphone (déverrouillage ou paiement avec un smartphone utilisant la biométrie, ouverture d’un compte en banque à distance…)Terminaux embarqués ou cartes à puce (paiement avec une carte bancaire biométrique… IDEMIA recrute d'excellents stagiaires en Deep Learning et Computer Vision, pour enrichir et renforcer ses équipes, sur une période de 6 mois.

L'objectif est de couvrir tous les aspects de la recherche scientifique, depuis la caractérisation de l’état de l’art, la collecte et l’adaptation de données, la modélisation, la mise en œuvre jusqu'à la publication d'articles ou de brevets.

Les méthodes utilisées sont les méthodes bayésiennes, l'apprentissage machine, l'apprentissage profond (CNN, GAN...), et toutes les méthodes utilisées en vision par ordinateur pour les images fixes et l'analyse vidéo automatisée optimisée. Ce stage pourra déboucher sur une thèse. Missions principales L’analyse et la synthèse de visages sont toutes deux l’objet de progrès rapides.

Parmi les thèmes d’analyse, les réseaux de neurones profonds (appris par « deep learning ») permettent d’estimer très rapidement des points d’intérêt (ou landmarks) semi-denses, typiquement plusieurs centaines, sur des visages.

Ces points fournissent un résumé efficace de la géométrie du visage pour de nombreuses opérations.

On s’intéresse ici à l’amélioration de l’estimation de ces points. Plus précisément lors de ce stage, il s’agit de mettre en œuvre des méthodes d’IA génératives 3D, notamment des NeRFs (neural radiance fields), pour parfaire l’estimation des landmarks.

En effet, les NeRFs construisent des représentations 3D cohérentes en plus de la synthèse d’images 2D de qualité, fournissant ainsi des pseudo-annotations. Le Stagiaire Sera Amené à Conduire Une Recherche Bibliographique, à Implémenter, Tester Et Améliorer La Ou Les Approches Retenues, Dans Ce Cadre Il Conçoit, implémente, améliore et optimise des algorithmes statistiquement robustes, efficaces, sécurisés et évolutifs tout en respectant les contraintes des plateformes.Adapte les algorithmes pour améliorer le système et l'expérience client, créer de la valeur ajoutée pour les clients et remporter des benchmarks externes.Développe des stratégies et des méthodologies de test pour évaluer de nouveaux algorithmes ou des algorithmes concurrents.Présente les algorithmes et les résultats dans le cadre de défis internes à la communauté.Reste à jour sur les dernières recherches de pointe et les méthodologies de développement d'algorithmes.Apporte un soutien à la conception, à l'implémentation, à la personnalisation et aux opérations des solutions.Ferme la boucle avec les données/opérations pour s'assurer que les algorithmes sont pleinement efficaces dans leur utilisation opérationnelle. Description Du Profil Elève ingénieur des grandes écoles en fin de 3eme année du cycle ingénieur, ou élève en M2 universitaire, spécialisé en deep learning et computer visionBonnes connaissances dans le traitement de l'image, la vision par ordinateur, l'apprentissage profond (idéalement avec PyTorch)Formation solide en mathématiques, analyse de données,Maitrise du langage PythonLa maitrise des librairies de traitement d’images est un plus.CurieuxProactif, autonomeOrienté vers les résultats et les solutionsCommunication claire et convaincanteBonne maîtrise de l’anglais à l'oral et à l'écritDésir de contribuer à la chaine complète d’un algorithme : design, implémentation, intégration, test, optimisation