Techniques d’Apprentissages profonds évolutifs pour la détection et la reconnaissance de cibles

When:
30/04/2021 – 01/05/2021 all-day
2021-04-30T02:00:00+02:00
2021-05-01T02:00:00+02:00

Offre en lien avec l’Action/le Réseau : – — –/Doctorants

Laboratoire/Entreprise : Lab-STICC UMR CNRS, site ENSTA Bretagne
Durée : 10 mois
Contact : jean-christophe.cexus@ensta-bretagne.fr
Date limite de publication : 2021-04-30

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.

Sujet :
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, Detection et reconnaissance, Transfer learning, Automatic Target Recognition, Data Science

Profil du candidat :
Ce poste est ouvert aux titulaires d’une thèse de doctorat dans l’un des domaines indiqués dans le sujet.

Formation et compétences requises :
Compétences attendues
Ce poste est ouvert aux titulaires d’une thèse de doctorat dans l’un des domaines indiqués dans les objectifs, et en particulier avec les compétences :
– Machine learning, data science
– Traitement du signal et des images
– Mathématiques appliquées
– Maîtrise de la programmation informatique : Python, Tensorflow, pytorch, …
Des connaissances dans le domaine radar et de télédétection seraient un plus.

Adresse d’emploi :
Le poste est localisé à l’ENSTA Bretagne au sein du département STIC. Celui-ci compte une centaine de personnes dont une quarantaine de permanents. Les thématiques d’enseignements se retrouvent principalement dans les spécialités des systèmes d’observation (acoustique, électromagnétique, …), hydrographie, la robotique, l’intelligence artificielle, la modélisation logicielle et la sécurité des systèmes (cyberdéfense).
Les enseignants-chercheurs du département sont, pour la grande majorité, membres du Lab-STICC (Laboratoire des Sciences et Techniques de l’Information, de la Communication et de la Connaissance, UMR CNRS 6285) dont l’ENSTA Bretagne est tutelle.

Envoyer un CV et une lettre de motivation à :
– abdelmalek.toumi@ensta-bretagne.fr
– ali.khenchaf@ensta-bretagne.fr
– jean-christophe.cexus@ensta-bretagne.fr

Document attaché : 202103100959_Fiche_Poste_ML.pdf