Retourner à la liste

Application des algorithmes de Deep learning pour les images SAR réf: 009T2019SI

Description

Le Deep Learning est une stratégie de Machine Learning rencontrant un vif succès dans de nombreuses industries du numérique, où elle a démontré des capacités largement supérieures aux approches antérieures dans des secteurs clés comme l'analyse d'image ou de texte.

Dans le traitement des images satellites, ces algorithmes sont de plus en plus utilisés et ils rencontrent un certain nombre de succès en témoigne le nombre de publications sur le sujet.
Leur utilisation est pour l'instant très orientée vers le traitement de données de télédétection optique. En ce qui concerne le traitement des images SAR (Radar à Synthèse d'Ouverture), l'utilisation de ces algorithmes commencent tout juste.

Le pôle HPC du CNES met à disposition des projets spatiaux et utilisateurs un cluster de calcul mutualisé composé de plus de 350 nœuds de calcul ainsi que des nœuds GPU, ce qui offre la puissance de calcul nécessaire pour faire tourner ces algorithmes.
 
Ce stage aura pour but d'étudier comment utiliser les algorithmes de Deep Learning dans le cas d'un traitement de débruitage (despeckle) d'une image SAR sur le cluster HPC.

Le stage proposé consiste en deux phases successives :
- l'appropriation de l'approche Deep Learning et notamment de son utilisation pour l'imagerie SAR au travers d'un état de l'art. Cette phase aura pour objectifs:
     * de former le stagiaire aux algorithmes de Deep Learning
     * de découvrir les architectures de réseaux de neurones performantes en lien avec la problématique de débruitage des images d'images satellite (CNN, GAN, Auto-encoder).
     * d'explorer la mise en œuvre de l'apprentissage de ces réseaux sur le cluster du CNES

- l'application sur un jeu de données d'images SAR (images Sentinel 1). Lors de cette phase,
il s'agira de mettre en place les algorithmes découverts durant la première phase et de préparer les données en fonction. 

Le stagiaire sera intégré au sein de l'équipe HPC du CNES faisant partie du service Architecture et Infrastructure de la sous-direction Infrastructure numérique, Système d'information scientifique et Applicatif du CNES (DNO/ISA/AI). Il sera également amené à travailler avec les experts du service de traitement radar.

Profil

BAC + 5 ( Master 2 ou dernière année d'école ingénieur)
Actuellement en dernière année d'école d'ingénieur ou en Master 2 à l'université, vous êtes spécialisé(e) en informatique et mathématiques.
Vous maitrisez le langage Python. Vous avez une petite expérience dans le Machine Learning ou le Deep Learning, ou un goût prononcé pour ses technologies et le désir de vous y former. Vous faites preuve de prises d'initiatives, d'autonomie, de créativité, d'aptitude à apprendre et synthétiser.

Description de la structure

Non renseigné

Répondre à l'offre Retourner à la liste