Stage deep learning pour l'inspection automatique de réseaux d'eau - veri h/f

- Missions & objectifs L'apprentissage profond (deep learning) est une révolution qui permet de développer des algorithmes très puissants et ouvre la porte à de nouvelles fonctionnalités dans des domaines très divers, en particulier en vision par ordinateur, et pour l'industrie. Le cycle de distribution et de traitement des eaux est un domaine qui foisonne de défis de recherche sur lesquels se penche la Recherche & Innovation de Veolia. Afin d'assurer une gestion optimale et sécurisée des ouvrages permettant le transport de l'eau, il est nécessaire d'opérer une inspection régulière, réalisée grâce à une caméra portée par un chariot évoluant dans les canalisations et contrôlée par l'opérateur. Le processus d'inspection des canalisations d'eaux usées est majoritairement manuel et basé sur l'expertise de l'opérateur qui détecte, identifie les défauts observables (fissures, ruptures, défauts de jointure entre tronçons) et fournit un rapport d'inspection. Ce processus a été très peu modifié au fil des années et nécessite des améliorations. Le projet de recherche dans lequel s'inscrit ce stage a pour objectif de transformer l'activité à travers des processus d'aide à la décision. VERI souhaite donc explorer différentes techniques de deep learning, de statistiques et de traitement d'images, afin d'améliorer la classification de défauts dans les canalisations. Ce stage permet de travailler sur une grande quantité de données industrielles concrètes (centaines de milliers d'images), déjà constituées en bases annotées exploitables, afin de pouvoir tirer réellement parti du deep learning, et avec l'appui d'une infrastructure cloud opérationnelle. - Missions principales Révision bibliographique sur les modèles convolutifs Deep Learning appliqués au domaine Exploration potentielle de différentes pistes selon l'avancement du projet : - Développement de modèles de classification multi-vues (plusieurs images en entrée) - Développement de modèles de synthèse d'images (GAN, self-supervised learning, etc) - Comparaison de performances de modèles de classification sur un dataset construit avec et sans synthèse d'images. En tant qu'entreprise inclusive, Veolia s'engage pour la diversité et accorde la même considération à toutes les candidatures, sans discrimination.