Malakoff, Île-de-France, France
Ingénieur Computer Vision et Deep Learning
Mission de conseil en qualité image chez GE Healthcare Mise en place du processus Vérification & Validation pour un algorithme de reconstruction 3D/visualisation pour la mammographie par rayon X: - Création et exécution des tests sur banc d'essai - Définition et support de l'étude clinique de validation - Justification de la performance de l'algorithme envers les autorités réglementaires Amélioration de la qualité image de l'algorithme suite aux retours terrain, et optimisation de l'algorithme pour accroitre sa vitesse Mise en place d'intégration continue pour rendre le développement, l'intégration et le déploiement sur différentes plateformes robustes
Conception détaillée et développement d’un algorithme de traitement d’images Évaluation et prise en compte des impacts cross-fonctionnels de la refonte Validation de la performance et de la robustesse sur des images réelles et simulées En parallèle, projets de traitement d'image par deep learning en utilisant des U-net
Nombreux projets de Deep Learning et Computer Vision classiques appliqués à des capteur image et spectraux d'ams-OSRAM, avec typiquement: - Définition de la problématique et du projet avec les équipes marketing et R&D en charge du capteur - Définition et exécution de la stratégie de collecte de données, incluant la simulation, l'optimisation de l'annotation et le contrôle qualité - Choix et entrainement des réseaux de neurones, en itération avec la construction de la base de données - Évaluation des performances - Portage sur cible embarquée Exemples de projets: Vision nocturne, optimisation jointe de plans focaux multispectraux et de l'algorithme de reconstruction, rejet de perturbation environnementales, reconstruction 3D, estimation d'illuminant
Conception, développement, intégration et validation d'algorithmes de traitement d'image pour l'imagerie temps réel par rayons X: débruitage, recalage & estimation de mouvement, fusion d'images, gestion de la dynamique (HDR) Utilisation d'algorithmes classiques et de Deep Learning (principalement des réseaux de neurones CNN sous forme de U-Net) Préparation du futur: identification de besoins clients, proposition de solutions pour y répondre, études d'architecture et retrait de risque. Définition des nouveaux look d'image et soutien à leur déploiement sur le terrain et dans les matériaux promotionnels Support client sur site clinique pour résoudre des plaintes
Coordination des activités (traitement de l’image & physique des rayons X) au sein de l’équipe et avec les autres équipes Introduction de la méthode agile (framework SAFE) dans l’équipe Planification des activités et des levées de risque, contrôle et communication de l’avancement