Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

15 octobre 2019

Techniques d’Apprentissages profonds évolutifs pour la détection et la reconnaissance de cibles à partir de données hétérogènes


Catégorie : Post-doctorant


Ce projet s’insère dans le cadre de la caractérisation de l’environnement et la description fine d’une scène observée pour des applications de détection, localisation et le suivi de cibles éventuelles (avion, navire, véhicule…). Nous nous intéressons dans projet aux méthodes innovantes en Intelligence Artificielle (IA) telles que les méthodes de Deep learning pour l’analyse des données pouvant provenir aussi bien de capteurs « conventionnels » (Radar, Optique, Lidar…) que de « sources d’informations » moins conventionnels (cartes météorologiques, cartes géographiques, connaissances opérationnelles). Notre objectif étant le développement de nouvelles architectures de traitement permettant d’améliorer les performances et l’adaptabilité du système dans des nouvelles tâches/actions.

 

Lieu : ENSTA Bretagne, 2 Rue François Verny, 29806 Brest Cedex 09.

Laboratoire d’accueil : Lab-STICC – UMR CNRS 6285
Durée du contrat : 12 mois avec possibilité de prolongation
Salaire : 1940 € net mensuel

Date de début : octobre 2019

Titre : Techniques d’Apprentissages profonds évolutifs pour la détection et la reconnaissance de cibles à partir de données hétérogènes

Contexte

Ce projet s’insère dans le cadre de la caractérisation de l’environnement et la description fine d’une scène observée pour des applications de détection, localisation et le suivi de cibles éventuelles (avion, navire, véhicule…). Dans le cadre de ce travail, nous nous intéressons aux méthodes innovantes en Intelligence Artificielle (IA) telles que les méthodes de Deep learning pour l’analyse des données pouvant provenir aussi bien de capteurs « conventionnels » (Radar, Optique, Lidar…) que de « sources d’informations » moins conventionnels (cartes météorologiques, cartes géographiques, connaissances opérationnelles). Dans le cadre d’une fonction de prise de décision, l’ensemble des différentes sources fournissent la matière de base, notre objectif étant le développement de nouvelles architectures de traitement permettant d’améliorer les performances et l’adaptabilité du système dans des nouvelles tâches/actions.

 

En conséquence, le travail demandé portera sur le développement d’outils dédiés à l’apprentissage profond évolutif. Les approches d’apprentissage à développer doivent être capables de s’adapter à de nouvelles situations non apprises dans le contexte de la détection et la reconnaissance de cibles à partir de données hétérogènes (images radar, images optiques, etc).

 

Mots clés

Machine learning, Deep learning, Transfer learning, Automatic Target Recognition, Data Sciences

Compétences attendues

Ce poste est ouvert aux titulaires d’un diplôme d’ingénieur ou d’une thèse de doctorat dans l’un des domaines indiqués dans les objectifs, et en particulier avec les compétences :

-Informatique (data science, machine learning)

-Traitement du signal et des images

-Mathématiques appliquées

-Maîtrise de la programmation informatique : Python, Tensorflow, pytorch, …

Candidature

Envoyer un CV et une lettre de motivation à:

-toumiab[at]ensta-bretagne.fr

-ali.khenchaf[at]ensta-bretagne.fr

-jean-christophe.cexus [at]ensta-bretagne.fr

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2020.