Job ID REF37236H Date posted 06/25/2025 Location France Category Technical Expertise / R&D / LaboratoryStage Deep learning pour la détection et le suivi de camionsDescription de l'entrepriseLe groupe Veolia est la référence mondiale de la gestion optimisée des ressources. Présent sur les 5 continents avec 220 000 salariés, le Groupe conçoit et déploie des solutions utiles et concrètes pour la gestion de l'eau, des déchets et de l'énergie. L'économie des ressources est un enjeu majeur des prochaines années. La gestion des déchets, aujourd'hui, c'est 46 millions d'habitants desservis, 61 millions de tonnes de déchets traités, 533 759 entreprises clientes, 823 unités de traitement exploitées. Notre expertise dans la gestion des déchets nous permet de collecter, trier, traiter et valoriser chaque année des millions de tonnes de déchets ménagers et industriels. Nous développons des filières de valorisation qui permettent de réintroduire ces déchets dans de nouveaux cycles de consommation ou de production devenant ainsi de nouvelles ressources.Description du posteObjectifsCe stage s'inscrit dans un projet innovant visant à améliorer la gestion des camions sur les sites de traitement Veolia, en s'appuyant sur les possibilités offertes par l'IA. L'objectif est de suivre efficacement les camions, de leur arrivée sur site à leur départ. Plus spécifiquement, le stage se concentrera sur le développement d'une méthode robuste de détection et de ré-identification des camions à partir d'images provenant de multiples systèmes d'acquisition. Cette approche permettra d'optimiser le processus de contrôle tout en garantissant une traçabilité précise. Vous aurez l'opportunité de travailler sur un cas d'usage concret, avec accès à une grande quantité d'images réelles, permettant une application directe des techniques d'IA dans un environnement industriel.Missions principalesRévision bibliographique sur les modèles Deep Learning appliqués à la détection et ré-identification de véhiculesExploration de différentes approches selon l'avancement du projet :Implémentation de modèles de détection de camionImplémentation de modèles de ré-identification d'un même camion à travers plusieurs caméras (prise d'images discontinue)Evaluation et optimisation des performances des modèlesQualificationsFormationNiveau Master 2 ou Élève ingénieur.e généraliste en dernière année (BAC+5)Spécialisation en Data Science, Computer Vision, Informatique, Statistiques, Deep Learning.Vos compétencesBonne maîtrise de Python et des plateformes de deep learning (Keras / TensorFlow)Bonne maîtrise de modèles convolutifs deep learningBonne connaissance des techniques et librairies de traitement d'images (OpenCV,scikit-image,...)Bonne communication écrite et oraleBonne maîtrise de l'anglaisVos qualités, votre savoir-êtreAptitude à travailler en équipeAisance en programmation informatiqueCuriosité intellectuelleFort intérêt pour la recherche scientifiqueInformations supplémentairesEn tant qu'entreprise inclusive, Veolia s'engage pour la diversité et accorde la même considération à toutes les candidatures, sans discrimination.Save for Later Job ID REF37236H Date posted 25/06/2025 Localisation Aubervilliers, France Job Technical Expertise / R&D / Laboratory Contract type InternshipShareVEOLIA CaresThe new global benefits program that ensures the health and well-being of our employees.Veolia, a learning companyExpand your professional skills with Veolia, a learning company.Recruitment processclick to save/unsave this job click to save/unsave this jobNo previously viewed jobsSign up for our job alertsStay informed by subscribing, receive the latest job offers by email.Email Address Interested InSearch for a category and select one from the list of suggestions. Search for a location and select one from the list of suggestions. Finally, click “Add” to create your job alert.Job categoryLocationContract type Add
Technical Expertise / R&D / Laboratory, Aubervilliers, Île-de-France Region, France
Confirm EmailI wish to receive job alerts corresponding to these criteria at my indicated email address. I understand that I may opt-out of receiving these communications at any time.
