Au sein de nos bureaux Toulousains, vous rejoindrez une équipe de data scientists spécialisée en deep learning, traitement d'images et géomatique, en charge de la R&D sur les outils d’analyse de données déployés sur la plateforme Aether. L’expertise de l’équipe porte sur l’analyse de données de sources très variées : d’images de drones, nuages de points LIDAR, modèle CAO, ...

Différentes thématiques sont envisagées selon votre profil :

• Reconstruction et sémantique 3D par deep learning avec Nerf

Votre tâche principale sera de concevoir des algorithmes pour la reconstruction 3D d'infrastructures électriques à partir d'images issues d'un relevé drone.

Notre objectif est l’utilisation de la famille d’algorithme appelé Nerf (neural radiance field), qui doivent à la fois bien reconstruire le modèle de maillage de l’objet mais aussi proposer une segmentation sémantique de ses différents parties.

Dans un premier temps, vous prendrez en main un modèle de reconstruction développé par notre équipe pour vous familiariser avec la problématique.

Dans un deuxième temps, vous devrez implémenter et tester différentes architectures de réseau de neurones qui visent à améliorer les performances du système.

• Détection et estimation de croissance d’arbres

   

Dans le cadre de la surveillance d’infrastructure, il est souvent utile de connaître certaines informations.

Avec l’utilisation de différentes sources de données, LiDAR et satellite l’objectif du stage, en premier lieu, est de mettre en place un système capable de détecter les différents arbres dans un environnement complexe comme dans des canopées denses.

Une autre partie du stage sera consacrée à l’estimation de la croissance de la végétation détectée dans la première partie.

 Reconstruction de modèles 3D par imagerie satellite 

L’utilisation des données satellites haute résolution permet aujourd'hui d’avoir un état précis d’une grande portion de sol avec un coût relativement faible.

Plusieurs constellations offrent aussi des capacités stéréo et tri-stereo qui permettent aux utilisateurs finaux d’avoir une reconstruction 3D de la scène.

Votre objectif sera de faire un benchmark des solutions disponibles en littérature, avec un focus particulier sur les nouvelles approches qui se basent sur Nerf (neural radiance field).

Détection de risque par imagerie satellite radar (SAR)

Votre mission consistera à exploiter les données SAR pour détecter les infrastructures, évaluer les dommages causés par les inondations et développer des outils d'analyse de données.

Avec une attention particulière à la comparaison entre différentes sources de données SAR (Sentinel 1, TerraSAR-X, ... ).

Votre profil :

Formé en programmation, mathématiques, et apprentissage automatique (niveau M2 ou équivalent) ayant des connaissances dans les domaines suivants :

• Bon niveau en Python (librairies scientifiques notamment : Numpy, Pandas, OpenCV, Scikit-Learn)
• Connaissance des environnements Unix / Linux et Git.
• Volonté d'apprendre et de s'améliorer
• Maîtrise de l’anglais.
• Connaissances en Pytorch / Tensorflow.