Ingénieur de recherche F/H Détection d’anomalies visuelles complexes par apprentissage très faiblement supervisé : Etudes, applications et transposition des méthodes Visual Large Model à l’industrie du futur.

Ce recrutement s’inscrit dans le cadre du projet PostGenAI piloté par Sorbonne Université. Le projet est soutenu par l'Agence Nationale de la Recherche (ANR), dans le cadre du plan d'investissement gouvernemental France 2030.

Vos missions

Assurer une étude scientifique rigoureuse, visant à comparer les performances des modèles VLM sur la détection d’anomalies visuelles complexes.

Prendre en charge l’étude complète, dimensionner les critères d’évaluations ainsi que les configurations de déploiement des modèles, mener les expérimentations associées.

Contribuer à l’écriture d’articles scientifiques reprenant les résultats de l’étude et proposant des recommandations quant à la transposition et au déploiement des modèles VLM dans l’industrie.

Activités principales

Le sujet traite de la problématique générale de la détection d’anomalies visuelles complexes dans l’industrie. L’industrie doit se doter d’outils d’inspection de confiance rapidement déployables en production. Les solutions d’IA supervisées les plus performantes reposent sur une activité préalable longue et coûteuses d’étiquetage d’images par des experts-process (plusieurs centaines d’étiquetages d’images). Les anomalies visuelles complexes sont : (1) des défauts logiques où les modèles doivent détecter et contrôler la logique de positionnement relatif entre différents objets ou entités de la scène. Il s’agit par exemple : du contrôle de l’absence/présence de pièces ou composants, de la détection d’erreurs de câblages etc. (2), ils sont aussi des défauts de texture, comme des opacités, des fissures