Responsable : M. Donias

Métiers et secteurs d’activité

Ingénieur d’études

Ingénieur R&D

Aéronautique

Automobile

Défense

Sécurité

Production

Télécommunications

Technologies de l’information

Biomédical

Signal, Image, Vidéo ?

Véhicule « intelligent »

Vidéosurveillance

Vidéo mobile

Biométrie

Aide à la personne

H.265

4K

GPS

Big Data

LidarCaméra optique

Caméra IR

Velodyne

Systèmes autonomes

Machine/Deeplearning

TSI

Signauxde sortie

Langages numériquesLangage C (+GPU)

Matlab/Python

DonnéesCAN

signal, image, vidéo

Enseignements

Projet/TD/TP

Image

Vidéo

Signal

Cours

Enseignement Intégré

Implémentation

53 %

30 %

17 %

27 %

24 %

12 %

37 %

Thèmes Forme

Applications (~ 62 %)

25 %

26 %

49 %

« Numérique »

Langage C/GPU

Matlab/Python

Organisation

E9TS-A Méthodes avancées en traitement du signal (46h)

E9TS-B Méthodes avancées en traitement de l'image et de la vidéo (55h)

E9TS-C Outils et algorithmie (68h)

E9TS-D Systèmes numériques pour le TSI (50h)

E9TS-E Projet avancé (42h)

E9TS-F Culture de l’ingénieur (48h)

Numerus clausus à 18 étudiants

E9TS-A Méthodes avancées en traitement du signal

TS324 – Filtrage numérique optimal et adaptatif niv. I – 21h

Intervenants : E. Grivel

Evaluation : compte-rendu de TP

TS312 – Traitement du signal radar – 12h

Intervenants : R. Cottron, C. Magnant et V. Corretja

Evaluation : examen écrit

TS315 – Processus aléatoires – 13h

Intervenants : V. Corretja et X. X

Evaluation : examen écrit sans documents

2

1,5

1,5

Spectrogramme

Temps (s)

Fré

qu

ence

E9TS-B Méthodes avancées en traitement de l’image et de la vidéo

TS327 – Vision par ordinateur – 28h

Intervenants : G. Bourmaud et L. Lac

Evaluation : rapport de projet

TS323 – Segmentation et morphologie – 27h

Intervenants : Y. Berthoumieu, Ch. Germain, J.P. Da Costa, L.

Bombrun et L. Lac

Evaluation : examen écrit avec notes manuscrites

2,5

2,5

E9TS-C Outils et algorithmie

TS322 – Langage C et GPU pour le TSI – 24h

Intervenant : M. Donias

Evaluation : examen écrit sur machine avec documents

TS326 – Reconnaissance de formes – 29h

Intervenants : M. Donias, R. Giraud et G. Bourmaud

Evaluation : examen écrit sans documents

TS320 – Techniques d’optimisation algorithmique – 15h

Intervenant : T. Southivong

Evaluation : rapport (par mail)

2

2,5

1,5

EN309 – DSP sur composant programmable – 17h

Intervenants : A. Randriamanantena

Evaluation : compte-rendu de TP

EN315 – Méthodologie de conception numérique – 20h

Intervenant : F. Chatrié

Evaluation : contrôle continu et compte-rendu de TP

TS337 – Processeurs DSP pour l’embarqué – 13h

Intervenant : L. Lepauloux

Evaluation : compte-rendu de TP

E9TS-D Systèmes numériques pour le

traitement du signal

1,75

1,75

1,5

E9TS-E Projet avancé

PR309 – Projet avancé – 42h

Intervenants : C. Leroux, M. Donias, P. Vallet et R. Giraud

Evaluation : rapport de projet et soutenance orale (en anglais)4

Reconstruction 3D et suivi d’un objet Traitement d’images industrielles SAFRAN/TOTAL Analyse, indexation et synthèse d’images texturées Approches de segmentation super-pixel Mission de drône civil pour la surveillance de forêts Stabilisation pour la reconstruction d’images super-résolues Séparation aveugle de sources en radio-cognitive Traitement d’images sur GPU (CUDA/OpenCL/OpenMP) Chaîne de compression/décompression Jpeg sur FPGA Chiffrement ECC sur FPGA

Exemples de sujet (2006 à

2014)

Séparation de sources vocales et instrumentales en traitement de la musique

o Objectif : séparation automatique des parties voix et instruments de signaux musicaux par une méthode de Machine Learning entrainée sur des bases existantes

o Encadrant : P. Vallet

o Etapes Etat de l'art concis sur les méthodes concurrentes de Machine Learning

pour la séparation de sources

Implémentation de la solution retenue sous python

Evaluation des performances

Projet S9 (1/4)

Génération de figures fractales

o Objectif : implémenter de manière parallèle des algorithmes de génération de fractales sur CPU/GPU/FPGA

o Encadrant : C. Leroux

o Etapes Etat de l’art sur les aspects algorithmiques

Implémentation parallèle sur CPU (Langage C, Python ou Matlab)

Implémentation perallèle sur GPU (Cuda ou OpenCL)

Implémentation parallèle sur FGPA (Langage C et VHDL)

Projet S9 (2/4)

Projet S9 (3/4)

Apprentissage profond pour la détection en temps-réel du port du masque

o Objectif : détection automatique de visages et détermination du port d’un masque par des techniques Deep Learning

o Encadrant : R. Giraud

o Etapes Utilisation d’un détecteur pré-entrainé pour extraire automatiquement les

visages

Adaptation d’un réseau de neurones existant pour la classification automatique d’un visage (« masque porté » vs « masque non porté »)

Extension du réseau à une classe « masque mal porté »

Mise en œuvre d’un système Raspberry PI/Caméra

Changement d’apparence du visage accéléré par CUDA

o Objectif : mise en œuvre de la technologie CUDA pour transformer en temps-réel l’apparence de visages préalablement détectés

o Encadrant : M. Donias

o Volets Etat de l’art sur les implémentations existantes d’algorithmes de détection

automatique de visage (position, posture, points remarquables)

Etat de l’art sur les algorithmes de changement d’apparence de visages (colorimétrie et géométrie)

Implémentation sous OpenCV (couplé à une Webcam) d’algorithmes « temps-réel » de transformations de visage en Langage C et en CUDA

Projet S9 (4/4)

Attribution du projet S9

4 sujets à ordonner (vœux) à communiquer par courriel avant le samedi 3 octobre !

Voeu 1 = sujet préférentiel

Prise en compte uniquement des résultats aux évaluations

Attribution par groupes de 4 ou 5 étudiants visible le dimanche 4 octobre (en fin de soirée)

Première séance le lundi 5 octobre à 8h30

Intervenants extérieurs

Techniques d'optimisation algorithmique

o Tchi Southivong, Ingénieur Senior à ATEME (Leader DSP Coder Video)

Traitement du signal radar

o Clément Magnant, Docteur Ingénieur Thales Systems Aeroporteso Rodolphe Cottron, Ingénieur Thales Systems Aeroporteso Vincent Corretja, Docteur Ingénieur Thales Systems Aeroportes

Systèmes numériques pour le traitement du signal

o Ludovick Lepauloux, Ingénieur NXPo Antsa Randriamanantena, Ingénieur au LAB

Master 2 Recherche ISC Parcours ISIS (Sciences de l’ingénieur - Université de Bordeaux)

Initiation à la recherche

o Ingénieur

o Docteur (laboratoires privés ou publics)

UV Master en supplément de modules TSI (~ +48h)

o + Problèmes inverses (UV Master)

o Equivalence de notes pour les autres UV Master

o Enseignements les vendredis après-midis (+ quelques jeudis)

Stage PFE à dominante recherche (soutenance et rapport différents)

Double diplôme = double interlocuteur, démarche administrative, …

Yannick Berthoumieu - yannick.berthoumieu@enseirb-matmeca.fr

Stages de PFE (2011/2012)

• Caractérisation de matériaux composites (Snecma)

• Détection de défauts aéronautiques (Snecma)

• Restauration d’images (EADS Cassidian)

• Contrôle de profondeur de champ (DXO Labs)

• Imagerie thermographique (NDT Expert)

• Détection de failles sismiques (TOTAL)

• Analyse chrono-stratigraphique (TOTAL)

• Correction de flou de bougé (Sagem DS)

• Analyse d’essais mécaniques par algorithmes évolutionnaires (CEA-CESTA)

• TNT ATSC/ISDB-T (NXP Semiconductors)

• Radionavigation GALILEO (Sagem DS)

• Modèles multiples (THALES)

• Commande vocale multi-locuteurs (THALES)

Signal

• (Dé)Modulateur sur FPGA (H2I-Technologies)

• Détection de contour IR sur FPGA (THALES)

• Mesure de pupille embarquées (UPFR Brésil)

Implémentation

Image

• Estimation de mouvement (Technicolor)

• Reconnaissance de la phase d’évolution de spécimen biologiques (Université d’Auckland)

Vidéo

Stages de PFE (2012/2013)

• Analyse de matériaux composites (Snecma)

• Reconstruction tomographique (Snecma)

• Système tactile à caméra infrarouge (THALES)

• Segmentation d’images 3D (VSG)

• Diagnostic de la peau du visage (Skin Labs)

• Détection d’indices d’hydrocarbures (TOTAL)

• Suivi et reconstruction de pipeline (TOTAL)

• Détection de défauts d’optique (CEA)

• Reconstruction de profondeur (Technicolor)

• Extraction des traits du visage (PicXel)

• Guidage IRM par ultrasons (LYRIC)

• Imagerie satellite très haute résolution (CNES)

• Algorithmes de pistage Radar (THALES)

• Modulation non-linéaire (THALES)

• Traitement Radar (THALES)

Signal

• Solutions de calcul CPU/GPU (THALES)

• Traitement d’images sur tablette numérique (DT2E)

• Caractérisation accélérée de brins d’ADN par GPU (Magellium)

Implémentation

Image

Stages de PFE (2013/2014)

• Couplage d’images optiques LMJ (CEA)

• Correction d’images plénoptiques (Technicolor)

• Détection de nappes de pétrole par imagerie Radar (THALES)

• Segmentation d’images sismiques (TOTAL)

• Calibration de caméra couleur (Barco)

• Eléments invariants en imagerie satellite (CNES)

• Reconstruction 3D temps-réel avec CUDA (Technicolor)

• Simulateur de signaux Radar (THALES)

• Détection de véhicules lents par radar (THALES)

• Reconstruction de signaux (UFPR Brésil)

• Reconnaissance du chant d’oiseaux (UCLA)

Signal

• Décodeurs polaires sur FPGA (McGill University)

• Lattice decoders (Waterloo University)

• Evaluation de Vivado HLS de Xilinx (THALES)

Implémentation

Image

• Exploration audiovisuelle (Honda)

• Vision 3D pour l’évitement au sol (Astrium)

• Reconnaissance de visages (Spikenet)

Vidéo

Stages de PFE (2014/2015)

• Contrôle non destructif (HERAKLES, × 2)

• Astrométrie (Airbus DS)

• Estimation d’illumination et de réflectance (TECHNICOLOR)

• Texture haptique (TECHNICOLOR)

• Outil d’aide au pointé (TOTAL)

• Amélioration/débruitage 3D (GE)

• Détection et reconnaissance aéronautique (THALES AVIONICS)

• Orfeo Toolbox (CS)

Signal

Image

• Screencasting (TECHNICOLOR)

• Codage HDR et en immersion (TECHNICOLOR)

• Correction de surexposition (TECHNICOLOR)

• Traitement vidéo (NEXEYA)

Vidéo

Implémentation

• Filtrage hybride Inertie/Mouvement (SAGEM DS)

• Monitoring de pompes (DOSATRON)

•Modélisation CAN à haut débit (THALES CS)

Stages de PFE (2015/2016)

• Contrôle non destructif (HERAKLES, ×2)

• Reconnaissance faciale (ALPHANUMERIC VISION)

• Reconstruction 3D (MICHELIN)

• Simulation homographique (ORANGE)

• Analyse de gélules (PRODITEC)

• Reconnaissance de débris (SODERN/AIRBUS)

• Analyse du rayonnement Cerenkov (CEA)

Signal Image

• Mur virtuel (TECHNICOLOR)

• Caméra de cockpit automobile (ALTRAN)

• Codeur (NGCODEC)

Vidéo

• Reconnaissance de locuteur (ORANGE)

• Monitoring de pompes (DOSATRON)

Stages de PFE (2016/2017)

Signal

Implémentation

Image

Vidéo

• Extraction/Poursuite Sonar (RTSYS)

• Signaux Dopler (THALES Services)

• Pistage Radar (THALES Systèmes Aéroportés)

• Réseau neuronal embarqué (Neurala, USA)

• TS sur FPGA (Laboratoire d’Astrophysique Bx)

• Simulateur Radar sur GPU (THALES Systèmes Aéroportés)

• TI par GPU (Paramount Group)

• Compression Vidéo (Orange Labs)

• TI sur Ipad (Université de Louisville, USA)

• Contrôle non destructif (Airbus Safran Launchers)

• Caractérisation de blocs de propergol (Airbus Safran Launchers)

• Détection d’objets sur table de casino (SpikenetTechnology)

• Vision par ordinateur sur système embarqué (Spikenet Technology)

• Visite virtuelle d’avions d’essai (Airbus)

• Endommagements LMJ (CEA Cestas)

• Segmentation 3D (IMS)

Stages de PFE (2017/2018)

Signal

Implémentation

Image

Vidéo

• Détection de petites cibles Radar (THALES)

• Historisation pour automate (Ariane Group)

• Caractérisation de la locomation de chevaux (CWD Sellier)

• Estimation de fréquence instantanée (MBDA)

• Traitement par GPU de tomographies multi-modales (Karlsruhe Inst. Technology, Allemagne)

• Text-mining par GPU (Addinsoft)

• Effet Wooble (Parrot Drones)

• CNN pour la cartographie d’habitats (IMS)

• Proxy Détection (IMS)

• Reconnaissance d’objets (Telespazio)

• Santé matière d’un matériau (Safran)

• Détection d’objet par flash LIDAR (Continental Automotive)

• Modélisation de l’état d’un conducteur (Continental Automotive)

• Recalage de radiographies (Safran Engineering Services)

• Reconnaissance de tomographies multimodales (Karlsruhe Institut Technology, Allemagne)

• Traitement d’images Radar exogènes (THALES)

• Segmentation en interférométrie de matériau (Unity Solutions)

Stages de PFE (2018/2019)

Signal

Implémentation

Image

Vidéo

• Synchronisation DVB (THALES)

• Chaîne Radar (THALES)

• Cartes de distance pour incrustation (GOPRO)

• Architectures FPGA pour le TSI (AIRBUS)

• Détection et rehaussement de mouvements subtils (TOTAL)

•Diagnostic de l'état du conducteur par caméra 3D (CONTINENTAL AUTOMOTIVE)

• Analyse multi-temporelles de données d'observation de la Terre (CS)

• Recalage d’images 3D (THERMOFISHER)

• Analyse d'images de champs diffractés (CEA Cesta)

• Analyse de la qualité de graines de coton (CSIRO, Australie)

• Modélisation de l’état d’un conducteur (POSEIDON)

• Deep/Machine learning appliqué à la géo-information (TELESPAZIO)

• Tracking visuel de drones (PARROT)

• Traitement d’images Radar exogènes (THALES)

• Transposition tactile naturelle d‘oeuvres d'Art pour déficients visuels (LITIS)

Signal

Implémentation

Image

Vidéo

• Acquisition et traitement de signaux haute tension (CEA)

• Reconnaissance d’alertes audio en avionique par Deep Learning (CapGemini)

•Analyse de la parole et des émotions d’un utilisateur (CapGemini)

•Système de communications FTN multi-trajets (THALES)

• Calcul de champs de vitesse (VERTEX.IO)

• Traitement de signal radioastronomique sur FPGA (Laboratoire d’Astrophysique de Bordeaux)

•Réseaux de neurones pour encodeur HEVC (ANEVIA)

• Acquisition LIDAR (CEA)

• Segmentation par ligne de partage des eaux (THERMOFISHER)

• Gestion de places de parking par DeepLearning (ATOS)

• Détection d’objets dans la main d’un conducteur par Deep Learning (CONTINENTAL AUTOMATIVE)

•Diagnostic de l’état d’un conducteur par DeepLearning (CONTINENTAL AUTOMATIVE)

•Analyse de la posture d’un conducteur par caméra 3D (Alcom Technologies)

• Estimation de bougé en imagerie satellitaire (THALES)

• Reconstruction de surfaces à partir de nuages de points (DASSAULT SYSTEMES)

• Détection d’anomalies par apprentissage profond (Air Marine)

Stages de PFE (2019/2020)

Recherche d’un stage PFE (Fév.-Sept. 2021)

Envoi d’offres par mailo Grands groupes : Safran, Sagem, Snecma, Alcatel-Lucent, Total,

Thales

o PME/PMI : CS, DxO Labs, Proditec, Heliléo, Sofrelog, VITEC, Magellium, Technicolor

o Laboratoires/organismes semi-publics : CEA, CNES, IFP, EPFL

Mots-cléso Thèmes : signal, image, vidéo, …

o Signaux : radar, SAR, ISAR, GPS, parole, …

o Secteurs d’activités : drône, biométrie, bio-médical, TIC, …

o Méthodes : déconvolution, mouvement, reconnaissance, …

o Cibles : FPGA, DSP, GPU, …

Recherche d’un stage PFE (Fév.-Sept. 2021)

Processuso Recueil d’offres

o Eventuelle pré-validation auprès du responsable d’option

o Prise de contact avec l’employeur

o Si acceptation mutuelle et conditionnelle, validation obligatoire auprès du responsable d’option (sujet de stage et fiche de renseignements à envoyer par mail)

Responsabilitéo Prise de rendez-vous le plus possible en dehors des créneaux de

cours (interdit durant le tournoi de gestion !)

o Convention = double engagement

Etudiant/Employeur

Enseirb-Matmeca/Employeur

Stage PFE

Pendant le stageo Premier contact engagé avec le tuteur de stage avec une présentation

écrite de la problématique et de la démarche envisagée (1 à 3 pages)

o Etats d’avancement par mail (ou téléphone) à une fréquence à définir

o Visite éventuelle du tuteur de stage

Evaluationo Rapport en version électronique par Web (archivage) et par mail au

tuteur de stage

Anglais possible résumé de 10 à 20 pages en français

En cas de confidentialité, version électronique « légère » et version papier rendue si nécessaire à l’entreprise

o Soutenance : présentation (15 min) et questions/réponses (10 min)

o Travail (fiche d’évaluation remplie par le maître de stage)

Obtention du diplôme

Niveau B2 (TOEIC 785…bientôt 800)

Validation

o Semestres S9 et S10 (stages 2A et PFE avant le Jury)

o Moyennes annuelles

o Moyenne finale

o Paramètres…

Et après

Adresse électronique « à vie »

Contact

o Premier emploi

o Evolution de carrière

o Offres de stages étudiants ou d’emplois

Contact

Marc Donias

Courriel : marc.donias@enseirb-matmeca.frmarc.donias@ims-bordeaux.fr

05 40 00 84 18 (bureau B2.35 IMS)

Web : http://donias.vvv.enseirb-matmeca.frhttp://www.ims-bordeaux.fr