Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

25 mars 2019

Ingénieur Chercheur en Deep Learning H/F


Catégorie : Chercheur


Ingénieur Chercheur en Deep Learning H/F - perception d'environnement pour véhicule autonome et analyse de grille d'occupation

Le poste à pourvoir s'inscrit dans le contexte de la perception de l'environnement pour véhicule autonome.

L'environnement du véhicule est représenté par une grille d'occupation, dans laquelle chaque cellule (2D ou 3D) contient la probabilité de présence d'un objet. Cette grille est réactualisée au fil du temps, grâce aux données capteurs (ex LIDAR). Le laboratoire LIALP a développé depuis plusieurs années une grande expertise dans la génération efficace de ce format de donnée (SigmaFusion™).

Les algorithmes de plus haut niveau (path planning, évitement d'obstacle, …) raisonnent sur des objets (trajectoire, vitesse, nature). Il faut donc extraire ces objets de la grille d'occupation par des phases de segmentation, clustering, classification, et tracking.
De nombreux travaux abordent ces traitements dans un contexte vision, en particulier grâce au deep learning. Ils montrent par contre une très grande complexité calculatoire, sont limités sur le positionnement 3D des objets, et ne tirent pas parti des spécificités des grilles d'occupation (absence de textures, connaissance a priori des zones d'intérêt ...). On souhaite trouver des techniques plus adaptées à ces particularités et plus compatibles avec une implémentation économe en calcul.


L'objectif de la mission (12 mois renouvelables) sera, à partir des travaux récents sur l'analyse deep learning de nuage de point (ex Apple's VoxelNet, Stanford's PointNet…) de définir une topologie de réseau de neurones permettant un analyse spatio-temporelle de la grille d'occupation 3D, l'objectif final étant d'aboutir à une version temps réel « embarquable » sur véhicule. La phase d'apprentissage du réseau se fera principalement à partir de la base de données Kitti, quant à la phase de validation elle pourra se faire sur véhicule (Renault Zoé) équipée de tous les capteurs (Lidar, Caméra, Radar) nécessaires.

 

Candidature en ligne : https://www.emploi.cea.fr/offre-de-emploi/emploi-ingenieur-chercheur-en-deep-learning-h-f_4864.aspx

Informations supplémentaires : marielle.malfante@cea.fr

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2019.