Stage - Intelligence Artificielle: Amélioration de

Chez ST, nous croyons à la puissance de la technologie pour stimuler l'innovation et avoir un impact positif sur les personnes, les entreprises et la société. Nous sommes une entreprise mondiale de semi-conducteurs, et notre technologie avancée ainsi que nos puces constituent la partie invisible du monde dans lequel nous vivons aujourd'hui.

Lorsque vous rejoignez ST, vous faites partie d'une entreprise globale de plus de 115 nationalités et présente dans 40 pays, avec plus de 50 000 créateurs et fabricants de technologies microélectroniques à travers le monde Tous ensemble, nous formons une seule et même ST.

ST a reçu la certification Top Employer France et le label HappyTrainees 2024 qui nous reconnaissent en tant qu’employeur de référence et démontrent notre engagement à placer l’humain au cœur de nos priorités.

**NOTRE FUTURE COLLABORATION:
**Extension de PatchNet au Modèle RGB-NIR**

La technologie d'imagerie RGB-NIR combine les informations traditionnelles de couleur Rouge-Vert-Bleu (RGB) avec des données spectrales en lumière proche infrarouge (NIR), offrant une vue plus complète de la scène. Cette fusion améliore la capacité de capturer des informations détaillées sur les surfaces, notamment dans des conditions d'éclairage difficiles. Nous nous concentrons principalement sur la tâche de lutte contre la contrefaçon, qui consiste à distinguer les visages réels des images imprimées/affichées sur écrans, ou toute tentative de tromper le système. Étendre PatchNet, un cadre de reconnaissance de type de patch finement granulaire, pour incorporer des modèles RGB-NIR présente une opportunité passionnante d'améliorer les performances et la robustesse du réseau.

**Introduction à la Technologie RGB-NIR**

L'imagerie RGB-NIR tire parti des avantages des spectres RGB et NIR. Alors que le RGB fournit des informations de couleur, le NIR offre des aperçus des propriétés des matériaux et des textures invisibles à l'œil humain. Cette fusion permet une analyse d'image améliorée, notamment dans des scénarios où les images RGB traditionnelles peuvent manquer de détails critiques.

**Avantages du RGB-NIR pour l'Extension de PatchNet**

**Caractéristiques Discriminatives Améliorées**: L'incorporation de données NIR aux côtés du RGB peut fournir des caractéristiques discriminatives supplémentaires pour distinguer les images réelles des images contrefaites.

**Amélioration de la Généralisation**: La fusion RGB-NIR peut améliorer la capacité de généralisation du réseau en capturant un éventail plus large de caractéristiques liées aux dispositifs de capture et aux matériaux présentés.

**Robustesse Accrue**: La combinaison de données RGB et NIR peut améliorer la robustesse du modèle contre diverses techniques de contrefaçon, y compris celles non vues pendant l'entraînement.

**Description du Stage**

Le stage se concentrera sur l'extension de PatchNet pour exploiter les modèles RGB-NIR pour la lutte contre la contrefaçon faciale. Les principales tâches incluent:
**Collecte et Prétraitement des Données**: Acquisition de jeux de données d'images RGB-NIR pour l'entraînement et le test du modèle PatchNet étendu.

**Conception de l'Architecture du Modèle**: Adaptation de l'architecture de PatchNet pour incorporer efficacement les données RGB-NIR. Étude des types d'architectures généralement les plus adaptés aux données RGB-NIR.

**Évaluation et Validation**: Réalisation d'expériences approfondies pour évaluer les performances du PatchNet RGB-NIR par rapport à des solutions purement RGB ou purement NIR.

**Documentation et Rapport**: Résumé des résultats, des insights et des recommandations dans un rapport détaillé en vue d'une éventuelle publication ou présentation.

**Résultats Attendus**

En étendant PatchNet aux modèles RGB-NIR, le stage vise à:
Améliorer la précision du modèle dans la détection d'images contrefaites sur différents dispositifs de capture et matériaux.

Renforcer les capacités de généralisation du réseau face à des types de contrefaçon non vus en utilisant la fusion RGB-NIR.

Contribuer à l'avancement de la technologie de lutte contre la contrefaçon faciale en exploitant les avantages de l'imagerie RGB-NIR.

Ce stage offre une opportunité unique d'explorer l'intersection de la vision par ordinateur, du traitement d'images et des réseaux neuronaux tout en abordant des défis critiques dans la lutte contre la contrefaçon faciale.

**VOTRE PROFIL**:
Vous êtes actuellement en école d'ingénieur ou en master et vous recherchez un stage de fin d'étude.

Vous avez une forte composante image / vision par ordinateur.

Des connaissances en deep learning serait un plus.

Nous rejoindre, c'est aussi opter pour un meilleur équilibre entre vie professionnelle et vie personnelle, et un environnement de travail offrant des opportunités égales. Des groupes de ressources dédiés aux femm