Objectifs

Ce stage s’inscrit dans un projet innovant visant à améliorer la gestion des camions sur les sites de traitement Veolia, en s'appuyant sur les possibilités offertes par l’IA.  L’objectif est de suivre efficacement les camions, de leur arrivée sur site à leur départ. Plus spécifiquement, le stage se concentrera sur le développement d'une méthode robuste de détection et de ré-identification des camions à partir d'images provenant de multiples systèmes d'acquisition. Cette approche permettra d'optimiser le processus de contrôle tout en garantissant une traçabilité précise. Vous aurez l’opportunité de travailler sur un cas d'usage concret, avec accès à une grande quantité d'images réelles, permettant une application directe des techniques d'IA dans un environnement industriel. 

Missions principales

• Révision bibliographique sur les modèles Deep Learning appliqués à la détection et ré-identification de véhicules

• Exploration de différentes approches selon l’avancement du projet :

  • Implémentation de modèles de détection de camion

  • Implémentation de modèles de ré-identification d’un même camion à travers plusieurs caméras (prise d’images discontinue)

• Evaluation et optimisation des performances des modèles

En tant qu'entreprise inclusive, Veolia s’engage pour la diversité et accorde la même considération à toutes les candidatures, sans discrimination. 

• Formation

Niveau Master 2 ou Élève ingénieur.e généraliste en dernière année (BAC+5)

Spécialisation en Data Science, Computer Vision, Informatique, Statistiques, Deep Learning.

• Vos compétences 

Bonne maîtrise de Python et des plateformes de deep learning (Keras / TensorFlow)

Bonne maîtrise de modèles convolutifs deep learning

Bonne connaissance des techniques et librairies de traitement d’images (OpenCV,

scikit-image,…)

Bonne communication écrite et orale

Bonne maîtrise de l’anglais

• Vos qualités, votre savoir-être

Aptitude à travailler en équipe

Aisance en programmation informatique

Curiosité intellectuelle

Fort intérêt pour la recherche scientifique