# https://www.emploi.cea.fr/offre-de-emploi/emploi-ingenieur-chercheur-en-deep-learning-h-f_4864.aspx
# English below
_______________________________________________________________________________________________________________________
Bonjour à tous,
Le CEA recrute un psot-doc /CDD pour position d’ingénieur chercheur en deep learning (H/F).
Le poste à pourvoir s’inscrit dans le contexte de la perception de l’environnement pour véhicule autonome. L’environnement du véhicule est représenté par une grille d’occupation, dans laquelle chaque cellule (2D ou 3D) contient la probabilité de présence d’un objet. Cette grille est réactualisée au fil du temps, grâce aux données capteurs (ex LIDAR). Le laboratoire LIALP a développé depuis plusieurs années une grande expertise dans la génération efficace de ce format de donnée (SigmaFusion™).
Les algorithmes de plus haut niveau (path planning, évitement d’obstacle, …) raisonnent sur des objets (trajectoire, vitesse, nature). Il faut donc extraire ces objets de la grille d’occupation par des phases de segmentation, clustering, classification, et tracking.
De nombreux travaux abordent ces traitements dans un contexte vision, en particulier grâce au deep learning. Ils montrent par contre une très grande complexité calculatoire, sont limités sur le positionnement 3D des objets, et ne tirent pas parti des spécificités des grilles d’occupation (absence de textures, connaissance a priori des zones d’intérêt …). On souhaite trouver des techniques plus adaptées à ces particularités et plus compatibles avec une implémentation économe en calcul.
L’objectif de la mission (12 mois renouvelables) sera, à partir des travaux récents sur l’analyse deep learning de nuage de point (ex Apple’s VoxelNet, Stanford’s PointNet…) de définir une topologie de réseau de neurones permettant un analyse spatio-temporelle de la grille d’occupation 3D, l’objectif final étant d’aboutir à une version temps réel « embarquable » sur véhicule. La phase d’apprentissage du réseau se fera principalement à partir de la base de données Kitti, quant à la phase de validation elle pourra se faire sur véhicule (Renault Zoé) équipée de tous les capteurs (Lidar, Caméra, Radar) nécessaires.
Pour plus d’information ou pour postuler, n’hésitez pas à consulter l’offre en ligne ou à me contacter directement marielle.malfante@cea.fr
Cordialement,
- Malfante.
_______________________________________________________________________________________________________________________
Hi everyone,
French CEA (Grenoble) is recruting for a post-doc or fixed term position in Deep Learning.
This topic falls in the context of the development of autonomous vehicles, drones, and robotics.
The environment of the vehicle is described in an occupation grid, while each cell of the grid contains the probability of the occupation by an object. This grid is updated over time with sensor data, for instance with LIDAR sensors.
Higher-level algorithms, like path planning or collision avoidance, think in terms of objects described by their path, speed, and nature. It is thus mandatory to get these objects from individual grid cells, with clustering, classification, and tracking.
Many previous publications on this topic comes from the context of vision processing, many of them using deep learning. They show a big computational complexity, and do not benefit from occupation grids specific characteristics (lack of textures, a priori knowledge of areas of interest…). We want to explore new techniques, tailored to occupation grids, and more compatible with embedded and low cost implementation.
The purpose is to start from a fusion-based occupation grid, to get the contained objects, including their position, sped vector, and nature, by using attention-based artificial neuron networks. We want to extend results from State-of-the-art Deep Learning techniques which process LIDAR point clouds (ex Apple’s VoxelNet, Stanford’s PointNet…). Learning phase will start with Kitti dataset but we plan to test the capabilities of the system with real-world data.
Candidate
Candidates should hold a PhD in a suitable area (e.g. Computer Science, Machine Learning, Deep Learning …).
Skills : Deep Learning, TensorFlow, Computer Vision
The position is fixed-term, 1 year long, with an option for 1 year renewal.
For more information or to apply, please check the official offer (https://www.emploi.cea.fr/offre-de-emploi/emploi-ingenieur-chercheur-en-deep-learning-h-f_4864.aspx) or send me an email at marielle.malfante@cea.fr
Best,
- Malfante.
Marielle Malfante,
PhD, Ingénieur Chercheur Intelligence Artificielle.
CEA Grenoble – bâtiment 50C – bureau C420.
Tel: 04 38 78 97 61.
DRT/LIST/DACLE/SCSN/LIALP.