Stage recherche - Approche neuronale pour la compression d'images F/H

L'ambition de la Division Innovation est de porter plus loin l'innovation d'Orange et de renforcer son leadership technologique, en mobilisant ses capacités de recherche pour nourrir une innovation responsable au service de l'humain, éclairer les choix stratégiques du Groupe à long terme et influencer l'écosystème digital mondial.

Nous formons les expertes et les experts des technologies d'aujourd'hui et de demain, et veillons à une amélioration continue de la performance de nos services et de notre efficacité.

La division Innovation rassemble, dans le monde, 6000 salariés dédiés ç la recherche et à l'innovation dont 740 chercheurs. Porteurs d'une vision globale avec une grande diversité de profils (chercheurs, ingénieurs, designers, développeurs, sociologues, graphistes, marketeurs, experts en sécurité ...), les femmes et les hommes d'Innovation sont à l'écoute at au service des pays, des régions et des Business Unit pour faire d'Orange un opérateur multiservices de confiance.

La compression d'image consiste à réduire autant que possible la taille du flux à véhiculer tout en préservant au mieux la qualité perçue. La compression doit donc reposer sur une représentation compacte de l'information, adaptée à l'image et au débit visés.
Conventionnellement, les techniques de compression image et vidéo reposent sur une adaptation locale de la représentation. Pour ce faire, l'image est subdivisée en blocs qui sont codés par une succession d'étapes de prédiction et de transformation.
Pour déterminer la représentation optimale, il est fait communément appel à des techniques de machine learning. Une première approche " historique " consiste à estimer les éléments de prédiction / transformation de façon analytique à l'aide de techniques algébriques (décomposition en valeur singulière par exemple). Une seconde approche fait appel aux techniques neuronales, dans lesquelles ces éléments sont optimisés conjointement par apprentissage, au travers d'une descente de gradient par exemple. L'avantage de l'approche neuronale est qu'elle permet une optimisation simultanée des étapes de compaction de l'information.
Ce stage a pour objet d'étudier différentes approches de compaction et de représentation du signal image. L'accent sera mis sur les techniques d'apprentissage mettant en oeuvre une approche neuronale à basse complexité.
Les développements logiciels seront basés sur Python/Pytorch en s'appuyant sur la grille de calcul GPU de Orange Innovation.

Les compétences recherchées sont les suivantes :
·        Appétence pour les images, la photographie etc.
·        Compétences en traitement du signal et algèbre linéaire (filtrage, convolution, corrélation, décomposition en valeurs singulières etc.)
·        Maîtrise en Python/Pytorch, environnement Linux et git