For many years, deep learning has enabled significant performance gains in various applications, even in fields that are not accustomed to using this type of method. Despite these successes, deep learning-based methods still suffer from some drawbacks in applicative fields related to RADAR signal processing. First, these methods require a…
Système d’Exploration Automatisée des Micro-reliefs, protubérances et Emissions gazeuses en milieu maRin. Le stage a pour objectif le développement et la mise en œuvre d’un protocole automatisé de traitement et d’analyse des données de sismique haute résolution, visant : La description détaillée est disponible dans le fichier PDF : https://sdrive.cnrs.fr/s/Ask6R2Ac7BbrNMm
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…
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…
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….
Sujet de stage sur la détection et la correction du sunglint pour l’imagerie aérienne littorale. Une suite en thèse sera envisagée.keywords: sunglint correction, coastal aerial imagery, deep-learning, hydro-optical modeling Le stage est à partir de février/mars 2026 pour une durée de 5/6 mois. Profil recherché Niveau : Étudiant·e en Master…
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…
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…
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…
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…
