Stagiaire en IA et vision par ordinateur - Augmentation de données

À PROPOS DE NOUS Harmattan AI est un groupe de défense de nouvelle génération qui construit des systèmes de défense autonomes et évolutifs. Suite à la clôture d'un financement de série B de 200M$, valorisant l'entreprise à 1,4 milliard, nous élargissons nos équipes et nos capacités pour livrer des systèmes critiques de mission aux forces alliées. Notre travail est guidé par des valeurs claires : construire des technologies avec un impact réel sur le monde, poursuivre l'excellence dans tout ce que nous faisons, fixer des objectifs ambitieux et relever les défis techniques les plus difficiles. Nous opérons dans un environnement exigeant où la rigueur, la propriété et l'exécution sont attendues. À PROPOS DU POSTE Pour entraîner des systèmes de perception très robustes, nous avons besoin d'images aériennes couvrant une énorme variété de conditions. Vous allez concevoir une pipeline d'IA générative avancée capable de transformer complètement le contexte des jeux de données existants ; en changeant l'heure de la journée (jour à nuit), en changeant les saisons (été à hiver), ou en modifiant des biomes et des systèmes météorologiques entiers ; tout en préservant parfaitement de petits objets cibles critiques comme des drones. - Affiner l'architecture générative : Prendre possession d'une pipeline de diffusion multi-pass sophistiquée (remplacement de l'arrière-plan structurel + vitrage d'éclairage/atmosphérique) pour adapter en douceur les contextes de scène tout en maximisant le réalisme physique. - Résoudre les cas limites : Améliorer les algorithmes de masquage personnalisés et de mise à jour de profondeur haute résolution (par exemple, correspondance d'histogramme, mélange sans couture) pour ancrer les petits objets dans l'espace 3D, en éliminant les artefacts génératifs et les effets de "sticker". - Mettre à l'échelle et valider : Générer des jeux de données augmentés à grande échelle et quantifier rigoureusement leur impact sur les performances des modèles en aval. Conception d'expériences pour mesurer comment l'inclusion et les ratios variables de ces données synthétiques améliorent directement la précision, la recall et la robustesse des détecteurs d'objets (par exemple, YOLO) lorsqu'ils sont testés contre des cas limites du monde réel. EXIGENCES - Éducation : Actuellement en cours de master ou ayant récemment terminé un diplôme de master en informatique, robotique, génie électrique ou un domaine connexe avec un accent sur l'apprentissage automatique. - Apprentissage profond : Compréhension solide des architectures de CNN, des cadres de détection d'objets et des fonctions de perte modernes, ainsi que du monde de la poursuite et de ses problématiques. - Ingénierie logicielle : Maîtrise de Python (PyTorch/TensorFlow) et à l'aise de travailler en C++. - Linux/Intégré : Expérience de travail dans un environnement Linux ; la familiarité avec Git est un plus. - Résolution de problèmes : Une approche rigoureuse du débogage et une mentalité "ingénierie d'abord", valorisant les performances plutôt que la complexité théorique. - Langue : Maîtrise de l'anglais ; le français est un plus. PRIMES - Expérience avec les plateformes NVIDIA Jetson et l'inférence accélérée par matériel. - Expérience de pilote FPV ou intérêt hobbyiste pour les UAV. - Expérience antérieure avec la génération de données synthétiques (par exemple, NVIDIA Isaac Sim, Gazebo). Nous nous réjouissons de vous entendre expliquer comment vous pouvez aider à façonner l'avenir des systèmes de défense autonomes chez Harmattan AI.