En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)
Portail > Offres > Offre UMR5126-JULMIC-001 - Ingénieur de recherche H/F : méthodologies de super-resolution, désagrégation spatiale, et fusion spatio-temporelle pour les séries temporelle d'images satellite

Ingénieur de recherche H/F : méthodologies de super-resolution, désagrégation spatiale, et fusion spatio-temporelle pour les séries temporelle d'images satellite


Date Limite Candidature : lundi 10 octobre 2022

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d’augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !

Informations générales

Référence : UMR5126-JULMIC-001
Lieu de travail : TOULOUSE
Date de publication : lundi 19 septembre 2022
Type de contrat : CDD Technique/Administratif
Durée du contrat : 4 mois
Date d'embauche prévue : 1 décembre 2022
Quotité de travail : Temps complet
Rémunération : Entre 2583 et 2966€ brut mensuel selon expérience
Niveau d'études souhaité : Ingénieur
Expérience souhaitée : Indifférent

Missions

Les utilisateurs de données d'observation de la terre par satellite utilisent assez rarement les données issues de différents satellites, car il est complexe d'utiliser ces données qui ont des résolutions spatiales, des fréquences de revisite, ou des modes d'observations différents. Un des moyens de simplifier l'accès à ces données est de fournir des données fusionnées qui bénéficient des avantages des différents capteurs. Nous avons par exemple étudié la fusion de données optiques à très haute résolution fournissant des observations tous les 20 jours (Sentinel-HR), avec des données moins résolues, mais des observations tous les 5 jours, au cours d'une étude de phase-0.

Le candidat sera responsable d'un complément d'étude aux travaux de la phase-0 Sentinel-HR (https://hal.archives-ouvertes.fr/hal-03643411 ) en fusion de séries temporelles d'images satellite de résolutions spatiales différentes. Ce complément vise à conforter les résultats obtenus sur une base de donnée plus large d'une part, et à consolider la méthodologie développée au CESBIO d'autre part.

La courte durée du contrat est due au fait qu'il s'agit d'un travail préparatoire au projet Européen EVOLAND, qui démarrera début 2023, dans lequel notre laboratoire est impliqué, et qui pourrait permettre au candidat sélectionné de poursuivre ses recherches dans notre laboratoire.

Activités

1) Générer un nouveau jeu de données ouvertes sur le modèle du jeu de données Sen2venµs (https://zenodo.org/record/6514159, https://www.mdpi.com/2306-5729/7/7/96), dédié aux méthodologies de fusion spatio-temporelle
2) En utilisant ce jeu de données, étendre le benchmark réalisé au cours de l'étude Sentinel-HR, sur deux axes : étude de l'impact de la revisite haute résolution sur la performance de reconstruction d'une part, et intégration de nouvelles méthodes issues de l'état de l'art dans le benchmark d'autre part.
3) Consolider la méthodologie DDI proposée par le CESBIO au cours de l'étude, avec notamment un travail sur la représentation du temps dans les réseaux de neurones afin de pouvoir gérer des séries de longueur et d'échantillonnage temporel différent au sein d'une même architecture.

Compétences

Maîtrise de python indispensable, y compris librairies orientées data science et deep learning : numpy, pandas, pytorch, matplotlib ...
Maîtrise de git
Environnement Linux
Connaissances en machine learning pour l'imagerie satellite (par ex. super-resolution, classification)

Contexte de travail

Le candidat intégrera le groupe de travail Intelligence Artificielle de l'équipe Observation du CESBIO, comportant notamment 4 permanents et 3 doctorants.

On en parle sur Twitter !