Project overview

• Développement d'un système de vision par ordinateur en temps réel pour détecter les obstacles dans les allées des magasins de détail.
• Objectif : améliorer la sécurité des clients et optimiser les opérations du magasin en identifiant les objets bloquant les allées ou créant des risques.

Fonctionnalités et architecture

• Analyse continue de flux vidéo avec modèles de détection d'objets (YOLO) pour repérer obstacles et déclencher des alertes en temps réel.
• Dashboard React pour visualisation en direct et analytics, et MongoDB pour stocker les événements de détection et les données système.

Tâches et responsabilités

• Concevoir, entraîner et optimiser des modèles de détection d'objets (YOLO) en utilisant PyTorch ou TensorFlow pour fonctionner en temps réel sur flux vidéo.
• Intégrer la pipeline vidéo avec OpenCV, gérer la détection en temps réel, et implémenter la logique d'alerte et de journalisation dans MongoDB.

Compétences requises et technologies

• Maîtrise Python, computer vision et deep learning, expérience spécifique avec YOLO.
• Connaissance pratique de PyTorch ou TensorFlow, OpenCV, React pour le front-end et MongoDB pour le stockage des données.

Livrables attendus

• Prototype opérationnel capable d'analyser un flux vidéo en temps réel et de générer des alertes sur obstacles détectés.
• Dashboard React fonctionnel avec visualisation des détections, historiques et métriques ; base de données MongoDB contenant les événements.

Informations pratiques & candidature

• Durée du stage : 4-6 months ; Niveau requis : Bac +5 ; Nombre de stagiaires : 1.
• Pour postuler, contacter : jobs@visshopai.com .