Stage propagation automatique de labels dans des vidéos h/f

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.