Contexte et objectif

• Développer un système de détection des entrées (personnes entrant/sortant) et de profilage client (estimation de l'âge et du sexe) à partir de flux caméra.
• Cible: traitement et inference en temps réel sur caméra ou edge device pour applications retail/analytics.

Compétences et technologies requises

• Connaissances en Deep Learning (CNN) et Computer Vision pour détection et estimation d'attributs (âge, sexe).
• Maîtrise de PyTorch ou TensorFlow, et OpenCV pour le pré-traitement vidéo et l'optimisation d'inférence.
• Notion / expérience du déploiement temps réel sur caméra / edge device (optimisation modèle, quantification, accélérateurs possibles).
• Rigueur dans la documentation et esprit analytique pour évaluer performances et biais.

Tâches principales et livrables attendus

• Collecte/gestion ou utilisation d'un jeu de données adapté, annotation si nécessaire, et création d'un pipeline de pré-traitement vidéo.
• Conception, entraînement et évaluation de modèles CNN pour détection et estimation d'âge/genre; reporting des métriques (précision, recall, MAE âge, etc.).
• Optimisation et adaptation du modèle pour exécution temps réel sur edge (optimisation, quantification, tests sur caméra/edge device) et démonstration fonctionnelle.
• Livrables: code reproductible, modèle optimisé, notebook/rapport technique, guide de déploiement, présentation/démonstration.

Modalités de candidature

• Envoyer votre candidature (CV + a minima un résumé de projet ou portfolio) par email à : careers@wisevision.io .
• Indiquer en objet : "Candidature Stage PFE – SUJET 1 DÉTECTION DES ENTRÉES ET PROFILAGE CLIENT (ÂGE & SEXE)".
• La qualité de la documentation, la capacité d'analyse des résultats et l'expérience pratique sur edge seront prises en compte lors de la sélection.