Stage de fin d'étude / ingénieur r&d innovation

Détection des véhicules sur des images infrarouges (IR) de faible résolution Nous recrutons Nous recherchons des stagiaires de niveau Bac 5 en école d’ingénieur ou Master pour une durée de 6 mois, à partir de février ou mars 2026 dans nos locaux de Viroflay. Contexte et Objectif du stage Dans le cadre du développement de nos systèmes de détection et de classification des véhicules, nous cherchons à exploiter la plage infrarouge (IR) de nos capteurs afin de compléter les informations issues des canaux visibles. Ce travail s’inscrit dans la continuité de nos projets de recherche autour de la perception multi-capteurs et vise à renforcer la robustesse de nos systèmes dans des conditions de faible luminosité, de nuit ou de météo défavorable. La difficulté majeure de ce sujet réside dans la faible résolution des images IR, qui limite la visibilité des détails nécessaires à la détection des objets. Cependant, les récents progrès en IA — notamment les réseaux de neurones profonds (DNN, CNN, Vision Transformers) — ouvrent de nouvelles perspectives pour la détection et la segmentation d’objets même dans des conditions complexes. L’objectif principal de ce stage est de développer et évaluer des méthodes de détection de véhicules sur des images IR de faible résolution, en s’appuyant sur les techniques récentes de Deep Learning. Vous serez amené à : identifier et comparer les architectures de réseaux de neurones adaptées (par ex. YOLO, MobileNet, Tiny-YOLO, etc.), implémenter et adapter les modèles à notre contexte industriel, évaluer les performances à partir de nos données réelles et proposer des stratégies d’amélioration, présenter et interpréter les résultats en équipe, en vue d’une intégration éventuelle dans nos produits. Encadrement et environnement Vous serez intégré.e au sein de l’équipe Recherche et Développement de PARIFEX, composée d’ingénieurs en traitement d’image, en IA et en vision embarquée. Vous participerez activement aux réunions techniques et collaborerez sur des problématiques réelles de perception multi-capteurs.