Stage de master : Compréhension par l'IA d’actions Vidéos en cuisine pour la conformité
Offre de Stage
Compréhension de l’activité en cuisine (Mains–Objets–Actions) pour générer des événements de conformité à partir de vidéo
L’objectif de ce stage est de construire un module d’Intelligence Artificielle (IA) qui reconnaît les actions clés en cuisine à partir de vidéos en arrière-cuisine et les convertit en événements de conformité utilisables par le Produit Minimum Viable (MVP) (incident + chronologie des preuves).
Ce que le/la stagiaire livrera
Une courte liste (10–20) d’actions pertinentes pour la conformité + des zones de cuisine (y compris la manipulation Ready-To-Eat (RTE) vs la manipulation de produits crus et les zones d’aire de préparation (prep))
Un modèle vidéo de base entraîné (transfert d’apprentissage à partir de jeux de données publics sur la cuisine)
Un générateur d’événements : vidéo/extrait → horodatages + action + zone + confiance (JSON)
Un visualiseur de démonstration simple montrant les segments signalés et les images de preuve
Un rapport d’évaluation (précision + fausses alertes/heure sur un petit ensemble d’extraits internes, avec consentement, du domaine cible)
Lots de travail principaux
Taxonomie actions/zones + règles de risque simples (par ex., manipulation de produits crus détectée dans une zone RTE → signalement)
Entraînement du modèle et améliorations de robustesse (occlusion, vapeur, éblouissement)
Stabilisation des événements (lissage, déduplication, seuils de confiance)
Évaluation opérationnelle et packaging
Jeux de données publics (optionnel)
EPIC-KITCHENS : https://epic-kitchens.github.io/
Scripts de téléchargement EPIC-KITCHENS : https://github.com/epic-kitchens/epic-kitchens-download-scripts
Ego4D : https://ego4d-data.org/docs/start-here/
MPII Cooking Activities : https://www.mpi-inf.mpg.de/departments/computer-vision-and-machine-learning/research/human-activity-recognition/mpii-cooking-activities-dataset
MPII Cooking 2 : https://www.mpi-inf.mpg.de/departments/computer-vision-and-machine-learning/research/human-activity-recognition/mpii-cooking-2-dataset
50 Salads : https://discovery.dundee.ac.uk/en/datasets/50-salads/
Profil de stagiaire requis
Étudiant(e) en Master / en dernière année d’école d’ingénieur en IA / apprentissage automatique et apprentissage profond ; très bon niveau en Python + PyTorch ; expérience en vision par ordinateur (reconnaissance d’actions vidéo) ; solide expérience en expérimentation ML et documentation (Git, reproductibilité).