Type annonces : Proposition de poste

[Stage M2] Analyse de la dynamique instationnaire d’écoulements et des comportements d’espèces aquatiques à partir de vidéos expérimentales

test

Contexte Ce projet s’inscrit dans le cadre de la recherche en écohydraulique, domaine à l’interface entre l’hydrodynamique et l’écologie. Il vise à améliorer la compréhension des mécanismes d’adaptation comportementale des poissons face aux caractéristiques physiques des écoulements dans les passes à poissons et autres ouvrages de franchissement piscicole. Bien qu’il…

Lire la suite

[StageM2] Détection de cibles multiples et denses par réseau de neurones dans un signal radar

test

L’unité MATS du département DEMR (Département Electromagnétisme et Radar) est en charge du développement de méthodes de traitement pour les différents moyens expérimentaux du département. Ces traitements sont dédiés aux signaux émis et reçus par des capteurs électromagnétiques (EM). Sujet Un radar primaire fonctionne en émettant un signal défini par…

Lire la suite

[StageM2] Détection de formes d’onde électromagnétiques par deep learning avec intégration dans GNU Radio

test

L’unité MATS du département DEMR (Département Electromagnétisme et Radar) est en charge du développement de méthodes de traitement pour les différents moyens expérimentaux du département. Ces traitements sont dédiés aux signaux émis et reçus par des capteurs électromagnétiques (EM). Sujet Le spectre électromagnétique est porteur de nombreux signaux d’origine humaine….

Lire la suite

[StageM2] Domain Adaptation of Unrolled Neural Networks

test

Context Recent advances in deep learning have revolutionized many signal and image processing tasks. In fact, deep neural networks excel at learning complex, non-linear patterns from large datasets, often outperforming classical methods. However, the application of deep learning to signal processing tasks presents specific challenges. These methods require vast amounts…

Lire la suite

[StageM2] Détection de deepfakes basée sur les micro-mouvements oculaires et clignements

test

Laboratoires : Laboratoire GREYC (UMR CNRS 6072), CHU de NormandieAdresses email : wiem.takrouni@unicaen.frStage : Durée de 5-6 mois, à Caen, au Campus 2, ENSICAEN, Bâtiment F. Contexte : Avec la prolifération des deepfakes, la détection précise des contenus manipulés devientessentielle. Les modèles actuels reposent principalement sur l’analyse globale du visage…

Lire la suite

[StageM] Deep Learning multimodal pour ladétection de contenus nuisibles dans lesvidéos destinées aux enfants

test

Contexte : Avec la montée en flèche de la création de contenus vidéo destinés aux enfants sur les plateformes en ligne (ex. YouTube Kids, Netflix Kids), la modération automatique de contenus multimédias est devenue un enjeu crucial.Un contenu visuellement inoffensif peut toutefois inclure des éléments audios inappropriés (musiques, cris, sons…

Lire la suite

[StageM2] High-Resolution Generation of Multi-Sensor Signals

test

Keywords: deep learning, multimodal imaging, generative models, non-destructive testing, multi-sensor signalsPartner Laboratory: IBISC (University of Évry – Paris-Saclay)Duration: 6 monthsPeriod: from February 2026 onwards (flexible depending on candidate profile) Scientific and Industrial ContextNon-destructive testing (NDT) encompasses a range of techniques for assessing the integrity of industrial components without compromising their…

Lire la suite

[StageM2+PhD] Heterogeneous IoT network with low-cost sensors for predicting pollutant concentrations

test

Porteurs scientifiques : Aymane Souani, Hichem Maaref et V. Vigneron (IBISC)Partners : IBISC (université Evry-Paris-Saclay), TMECOMESURESpecialized AI and Data Science : machine learning theory, high-dimensional statistics,uncertainty, information theory, generative modelDuration : 5 to 6 months, from February 2026 onwards (flexible depending on candidate profile)Funding : ECOMESURE insternship grantLocation : IBISC…

Lire la suite

[StageM2] Uncertainty-informed multimodal fusion for segmentation of thrombus and ischemic lesions in MRI

test

partners :IBISC (univ Evry, université Paris-Saclay), centre hospitalier sud-francilien (CHSF) Basic AI and Data Science : apprentissage statistique en grandes dimensionsSpecialized ML and AI : signal, image, visionApplication domain : médecine de précision, imagerie par RMMots-clés deep learning, imagerie multi-modale, apprentissage faiblement superviséKey-wordsmachine learning, deep tech, neuroimaging, precision medicine, strokeLaboratoires partenaires impliqués : IBISC (UEVE) Total duration of…

Lire la suite