PhD Student in Computer Vision at IRT b<>com and INRIA (rainbow team).Topic: Semantic Simultaneous Localization And Mapping (SLAM)Advisors : Éric Marchand, Jérôme Royan, Amine KaceteJury Defense: Prof. Marie-Odile Berger, Prof. Cyrill Stachniss, Prof. Javier Civera, Prof. François Chaumette.Papers:L6DNet: Light 6 DoF Network for Robust and Precise Object Pose Estimation with Small Datasets (https://arxiv.org/pdf/2002.00911.pdf), accepted at RA-L and ICRA21.S3LAM: Structured Scene SLAM (https://arxiv.org/pdf/2109.07339.pdf), accepted at IRO22.TwistSLAM: Constrained SLAM in Dynamic Environment (https://arxiv.org/pdf/2202.12384.pdf), accepted at RA-L and IROS22.TwistSLAM++: Fusing multiple modalities for accurate dynamic semantic SLAM (https://arxiv.org/pdf/2209.07888.pdf) accepted at IROS23.

En: Deep learning based 6DoF object pose estimation for AR applied to surgery.Fr: Estimation de pose 3D par Deep Learning pour la réalité augmentée appliquée à la médecine.

En:- Wind turbines detection in satellite images using deep learning.- Speech recognition using deep learning.- Cardiovascular diseases classification from electrocardiograms using maching learning.Fr:- Détection de maladies cardio-vasculaires à partir de courbes d'électro-cardiogrammes par Machine Learning et Deep Learning- Détection d'éoliennes sur des images satellites par Deep Learning- Reconnaissance vocale par Machine Learning et Deep Learning

En:Proposed and implemented an algorithm to solve the travelling salesman problem with additional constraints for a client company.Fr:Réalisation d'un programme pour optimiser l'ordre des interventions d'une entreprise cliente en minimisant les déplacements des techniciens. Modélisation du problème mathématique, recherche de méthodes pour la résolution du problème, programmation des méthodes et tests sur les données.

En: Machine learning internship. Analyzed the impact of factory settings over yield using machine learning to predict and optimize it.Fr : Stage de Machine Learning appliqué à la biologie : modélisation d'une installation pour l'optimisation et la prévision du rendement.

Projet encadré : étude théorique de méthodes pour la génération de variables aléatoires et programmation de ces méthodes en Python.