Contexte

Le stage se déroulera au sein d’une équipe spécialisée en Data et RSE, qui exploite les données et l’analyse d’images pour élaborer des stratégies organisationnelles et opérationnelles, ainsi que pour réaliser des études internes.

L’objectif est de reconnaître différents objets sur des photos de matériel publicitaire et promotionnel dans des rayons d’hypermarchés, ainsi que de caractériser certaines de leurs propriétés.

Sujet du stage

L’objectif principal du stage sera de reconnaître et classer, dans une série de photos, les différents matériels promotionnels. Ensuite, selon l’avancée, d’autres tâches pourront être explorées, telles que :

Détection et segmentation d’objets avec Mask R-CNN, Cascade R-CNN, Hybrid Task Cascade pour une détection fine du matériel promotionnel.

Utilisation de YOLOv12 pour des détections rapides et efficaces en environnement complexe.

Exploitation de Vision Transformers (ViT, DeiT) pour améliorer la reconnaissance visuelle.

Test des modèles CLIP pour associer reconnaissance visuelle et annotations textuelles.

Approche Siamese Neural Network pour détecter les doublons ou anomalies et affiner la classification.

Techniques avancées de data augmentation (CutMix, MixUp) pour améliorer la robustesse du modèle.

Déploiement d’algorithmes de détection d’anomalies pour identifier les erreurs de positionnement du matériel.

Exploration des techniques de self-supervised learning (DINO, SimCLR) pour optimiser l’apprentissage sur un jeu de données limité en labels.

Utilisation d’algorithmes LLM multimodaux (type Gemini, GPT-4V) pour combiner reconnaissance visuelle et analyse contextuelle des images.

Missons et Activités

Revue de la littérature et veille sur les méthodologies existantes.

Exploration et prise en main du jeu de données.

Choix et implémentation des modèles les plus pertinents en IA Vision.

Développement d’une API en Python avec une interface interactive (Dash, Streamlit) pour tester et visualiser les modèles.

Évaluation et fine-tuning des modèles.

Documentation et présentation des résultats à l’équipe.

Méthodologie et Outils

Le stage est destiné à un(e) candidat(e) maîtrisant certains des outils ou concepts suivants :

Python

Computer Vision / IA Vision

Traitement d’images (OpenCV, etc.)

Deep Learning et CNN (TensorFlow, PyTorch, YOLO)

Détection, segmentation et classification d’objets

Détection d’anomalies et vision industrielle

Modélisation sur GCP (Vertex AI)

Développement d’API (Flask, Django)

Visualisation de données (Plotly, Dash, Streamlit)

Étudiant(e) en école d’ingénieur ou Master en Data Science, IA, ou Informatique.

Expérience en Computer Vision à travers un projet académique ou professionnel.

Capacité à travailler en équipe et à communiquer efficacement les résultats.

Rigueur, autonomie et capacité d’analyse.

Durée et Localisation

Stage de 6 mois, démarrage prévu entre mai et juin.

Localisation : région parisienne, avec télétravail partiel (1 jour/semaine immédiatement, 2 jours après 2 mois).

Avantages

Équipe dynamique et cadre de travail stimulant.

Accès facile aux transports en commun.

Espaces de restauration variés à proximité.

Accès à une salle de sport et à divers services sur site.