Description

Ce poste de post-doctorant au LabISEN s'inscrit dans le cadre du projet Dragonfly, financé par la Banque Publique d'Investissement (BPI). Ce projet est réalisé en partenariat avec Eco-Compteur et NUsense et vise à développer une nouvelle solution de mesures de fréquentation et de sécurisation des déplacements en mode doux.

FICHE D'IDENTITÉ DU POSTE

• Établissement de rattachement : Yncréa Ouest, Établissement d'enseignement supérieur privé d'intérêt général (EESPIG), sous contrat avec le ministère de l'enseignement supérieur et de la recherche ;
• Unité de recherche : LabISEN
• Équipe de recherche : Vision-AD (Vision et Analyse de Données)
• Lieu de travail : site de Brest
• Durée du contrat : 18 mois
• Missions : recherche, développement algorithmique, publications scientifiques, etc.
• Rémunération : 36 k€ brut annuel selon profil et expérience
• Autres activités : possibilité de participer aux activités d'enseignements d'Yncréa Ouest

CONTEXTE APPLICATIF

Le projet Dragonfly répond aux enjeux croissants de la mobilité durable et de la sécurité routière (Vision Zéro accident). Actuellement, les gestionnaires d'espaces publics et naturels font face à une limite technologique : les caméras IA classiques sont trop énergivores (6 à 60W) pour un déploiement massif sans raccordement électrique, tandis que les radars Doppler manquent de finesse dans la classification des usagers. Dragonfly propose une rupture technologique en combinant fusion de données (radar/vision) et intelligence artificielle frugale pour une consommation totale réduite, permettant un fonctionnement autonome sur panneau solaire dans des zones urbaines ou isolées.

OBJECTIF

Sous la responsabilité de l'ISEN Ouest, en charge du Lot "IA Embarquée et Fusion de données", votre mission principale sera de concevoir et d'entraîner des modèles de Deep Learning optimisés pour la détection et le suivi multi-objets. L'objectif est de développer des algorithmes de fusion spatio-temporelle radar/vision capables de garantir une classification robuste des usagers de la mobilité active dans diverses conditions météo et de luminosité. Vous mettrez en œuvre des techniques avancées de compression de modèles (quantization, pruning, distillation) pour permettre leur déploiement sur une cible matérielle frugale. Enfin, vous assurerez la valorisation scientifique de ces travaux à travers des publications dans des revues et conférences internationales de rang A.

MOTS-CLÉS

Deep Learning, Fusion de données (Radar/Vision), IA Frugale, Compression de modèles, Computer Vision, Mobilité active, Smart City.