Réseaux de Neurones Artificiels Graphes pour capteur Radar Intelligent H/F

Grenoble

Internship Entry-level / Junior

CEA

Le CEA est un acteur majeur de la recherche, au service de l'État, de l'économie et des citoyens. Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies...

View all jobs at CEA

Apply now Apply later

Posted 6 days ago

Informations générales

Entité de rattachement

Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.

Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.

Implanté au cœur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.

Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :

• La conscience des responsabilités
• La coopération
• La curiosité

Référence

2024-33833

Description de l'unité

Le stage se déroulera au sein du LIST, dans le Laboratoire d'Intelligence Intégrée Multi-capteurs (localisé à Grenoble), qui regroupe des experts en intelligence artificielle, systèmes embarqués et capteurs.

Description du poste

Domaine

Mathématiques, information scientifique, logiciel

Contrat

Stage

Intitulé de l'offre

Réseaux de Neurones Artificiels Graphes pour capteur Radar Intelligent H/F

Sujet de stage

Dans un contexte en pleine évolution et avec un fort intérêt industriel, le stagiaire implémentera et proposera des méthodes innovantes de traitement de données issues d'un capteur radar. Il s'appuiera sur des algorithmes d'intelligence artificielle, basés sur des réseaux de neurone artificiels graphs (Graph Neural Networks) actuellement développés au sein du laboratoire. L'étudiant(e) sera intégré(e) dans une équipe pluridisciplinaire dynamique. Il/elle bénéficiera d'une montée en compétence sur les réseaux de neurones artificiels.

Durée du contrat (en mois)

Description de l'offre

La perception et l’analyse de l’environnement qui nous entoure est un enjeu majeur dans beaucoup de domaines industriels porteurs. Dans ce contexte, les algorithmes d’intelligence artificielle (IA) ont incontestablement montré leur efficacité pour des tâches liées à la vision, avec différents capteurs (caméra, lidar…). Aujourd’hui, il y a un intérêt croissant pour l’exploitation de données de capteurs radar (radio detection and ranging) par de l’IA. Le radar est en effet un capteur qui se démarque par la nature de ses données, son opérabilité (faible luminosité, mauvaise météo…) et son coût. Cependant, ils produisent des données éparses avec une faible résolution spatiale, ce qui les rend difficiles à exploiter par les algorithmes traditionnels. Récemment, les réseaux de neurones artificiels basés sur une représentation des données sous forme de graphe (Graph Neural Networks - GNN) ont montré une bonne précision sur des données de capteurs éparses et bruitées [1]. En conséquence, l’utilisation de GNN pour exploiter les données radar semble très prometteuse [2]. Le spectre d’application est large avec le véhicule intelligent (surveillance de l’habitacle), le dispositif médical (mesures de signes vitaux) ou encore le dispositif de surveillance (détection de chutes).

[1] Dalgaty et al, « HUGNet: Hemi-Spherical Update Graph Neural Network applied to low-latency event-based optical flow » Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2023, pp. 3952-3961

[2] Fent, et al., "RadarGNN: Transformation Invariant Graph Neural Network for Radar-based Perception," Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2023, pp. 182-191.

Moyens / Méthodes / Logiciels

intelligence artificielle, réseaux de neurones artificiels, vision par ordinateur, radar

Profil du candidat

Profil recherché : Etudiant(e) en dernière année d’Ecole d’Ingénieur ou Master 2

Compétences souhaitées : Une forte motivation pour apprendre et contribuer à la recherche en intelligence artificielle. Une connaissance approfondie en informatique et langages de programmation (Python). Des connaissances en intelligence artificielle et une expérience dans les réseaux de neurones artificiels (librairies Pytorch ou Tensorflow) sont un plus. L’entretien de recrutement pourra faire référence aux deux publications citées.

Conformément aux engagements pris par le CEA en faveur de l’intégration de personnes en situation de handicap, cet emploi est ouvert à tous et toutes.