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

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

[PhD] Navigation d’un système de localisation indoor en environnement dynamique

Thèse par financement CIFRELaboratoire SATIE, Université Paris-Saclay, 91400 OrsayEntreprise IDEC – EZ-Wheel, 16400 La Couronne Domaine de la thèse : Les systèmes multicapteurs multiphysique constituent l’une des briques importantes dans les systèmes d’aide à la mobilité en général, et les systèmes autonomes en particulier. L’industrie 4.0 impose la traçabilité et…

Lire la suite

[StageM2] Domain Adaptation of Unrolled Neural Networks

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

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

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

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

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

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

[StageM2+PhD] (AI) Hetero-modal encoder for generation of coherent hypoperfused volume across MRI sequences

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