Job Description

Safran est un groupe international de haute technologie, équipementier de premier rang dans l'aéronautique, le spatial et la défense. Ayant une activité à forte valeur ajoutée, Safran place un effort fondamental dans la Recherche et Technologie (R&T). A ce titre, Safran Tech regroupe les activités R&T de Safran, autour de plusieurs plateformes dédiées aux innovations pour la fabrication additive, la fonderie, les matériaux composites, céramiques, et le digital. La plateforme Sciences et Technologies du Numérique (STN) a pour but de répondre aux enjeux stratégiques du Groupe dans le domaine du digital. Au sein de cette plateforme, l'unité de recherche CASPer (Confiance, Autonomie, Simulation, Perception) a en charge la conception algorithmique des briques d'autonomie et de vision artificielle pour les systèmes autonomes dans les domaines terrestres et aéronautiques.
Parmi les thématiques traitées dans l'unité de recherche, la segmentation sémantique d'images revêt une importance fondamentale pour la compréhension automatique de l'environnement. Cette tâche est aujourd'hui typiquement réalisée par des réseaux de neurones profonds. Les architectures actuellement les plus performantes ont cependant des coûts de calcul non négligeables, du fait de la taille des réseaux utilisés. Ces forts coûts de calcul peuvent se révéler un obstacle à l'inférence temps réel des algorithmes lors de leur embarquement sur plateforme cible. A ce titre, propager automatiquement les labels d'une image à une autre, en n'appelant plus le réseau profond que périodiquement, apparaît comme une voie pour alléger les calculs.
Le stage proposé porte sur le développement de méthodes de propagation automatique de labels, appliquées à des vidéos prises par des drones. Le stage débutera par une recherche bibliographique qui permettra de constituer un état de l'art rédigé et de sélectionner les méthodes les plus pertinentes. La seconde phase du stage se concentrera sur l'implémentation des méthodes identifiées, et leurs tests sur des données réelles tirées de campagnes d'acquisition faites avec les drones de l'unité de recherche.

Job Requirements

Etudiant ou étudiante niveau M2 d'une grande école ou d'une université, vous possédez de fortes compétences en deep learning et traitement d'image. Vous faites preuve de curiosité et d'esprit d'initiative. Vous avez une bonne maîtrise de l'anglais scientifique.
Mots-clés : deep learning, IA, traitement d'image

But what else? (advantages, specific features, etc.)

Lieu de travail : Votre lieu de travail sera situé à Safran Tech, Département des Sciences et Technologies du Numérique, 78114, Magny-Les-Hameaux.
Références bibliographiques :
Yang, L., Fan, Y., & Xu, N. (2019). Video instance segmentation. In Proceedings of the IEEE/CVF international conference on computer vision (pp. 5188-5197).
Bertasius, G., & Torresani, L. (2020). Classifying, segmenting, and tracking object instances in video with mask propagation. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 9739-9748).
Weng, Y., Han, M., He, H., Li, M., Yao, L., Chang, X., & Zhuang, B. (2023). Mask propagation for efficient video semantic segmentation. Advances in Neural Information Processing Systems, 36, 7170-7183.

Company Information

Safran is an international high-technology group, operating in the aviation (propulsion, equipment and interiors), defense and space markets. Its core purpose is to contribute to a safer, more sustainable world, where air transport is more environmentally friendly, comfortable and accessible. Safran has a global presence, with 100,000 employees and sales of 27.3 billion euros in 2024, and holds, alone or in partnership, world or regional leadership positions in its core markets.

Safran is in the 2nd place in the aerospace and defense industry in TIME magazine's "World's best companies 2024" ranking.

Because we are convinced that each talent counts, we value and encourage applications from people with disabilities for our job opportunities.