Alexis Martin

RÉSEAUX DE NEURONES POUR LE TRAITEMENT D'IMAGE • POC d’un réseau de neurones pour l’estimation de la pollution lumineuse • POC d’un réseau pour améliorer la gestion des artefacts laissés par les satellites SUPPRESSION D'ARTEFACTS DE COULEUR LIÉS AU CAPTEUR • Modélisation du problème à partir des propriétés physiques du capteur • POC en Python d’une solution algorithmique adaptant la prise d’image en fonction de ces caractéristiques • Déploiement en C++ ANALYSE DES DONNÉES ANALYTICS • Analyse de données et extraction de KPI (utilisation, ventes, adoption des nouvelles fonctionnalités, etc.) • Déploiement d’un serveur automatisé pour le traitement et la visualisation des analyses (via Streamlit)

CONCEPTION ET DÉPLOIEMENT DE TRAITEMENT ADAPTÉ AUX PLANÈTES - DÉVELOPPEMENT D'UN POC EN PYTHON • filtrage et Lucky Imaging • Super-résolution multi-images • sharpening - INTÉGRATION EMBARQUÉE EN C++ CRÉATION DE L'APPLICATION MOBILE Nocturne (sur IOS) • Pré-traitement des images (vignettage, balance des blancs, ...) • Séparation du ciel et du premier plan • Stacking du ciel • Tone mapping adapté au ciel et au premier plan • Denoising et super résolution AMÉLIORATION CONTINUE DE LA PIPELINE DÉJÀ EN PRODUCTION • Amélioration du tracking du télescope à l'aide des informations de déplacement de l'image • Extraction d'informations pour la qualification automatique des images (détection d'artefacts, de mouvements, etc.) • Estimation et retrait de la pollution lumineuse • Amélioration du traitement des couleurs ÉTUDE DE LA TURBULENCE ATMOSPHÉRIQUE A PARTIR DE VIDÉOS • Développement de réseaux de neurones convolutionnels.

CONCEPTION ET DÉPLOIEMENT D'UNE PIPELINE DE TRAITEMENT D'IMAGE AUTOMATIQUE - DÉVELOPPEMENT D'UN POC EN PYTHON : • Prétraitement des images brutes (format Bayer) • Stacking temporel avec recalage basé sur des features personnalisées • Automatisation de l'amélioration d'image (contraste, luminosité, gamma, saturation) - INTÉGRATION EMBARQUÉE EN C++ : • Portage et optimisation pour un système embarqué • Pipeline toujours en production pour 20 000+ utilisateurs DÉVELOPPEMENT D'UN ALGORITHME DE RECONNAISSANCE AUTOMATIQUE DE CHAMP • Participation au développement de l'algorithme et de la base de données. • Optimisation pour un temps de traitement moyen de 1 seconde en embarqué (vs plusieurs dizaines de secondes pour Astrometry.net sur PC)