Ce projet fournit des outils pour la détection d'événements sur Twitter, en utilisant des algorithmes d'apprentissage automatique et de traitement de données textuelles. Il permet de représenter des phrases en vecteurs grâce à différentes méthodes, telles que Word2Vec, ELMo, BERT, et Universal Sentence Encoder.

InaFaceAnalyzer est un outil en Python conçu pour l'analyse à grande échelle de visages dans des flux d'images ou de vidéos. Il fournit un pipeline de traitement modulaire permettant de prédire l'âge et le genre à partir de visages. Les résultats peuvent être exportés sous forme de tableaux, de flux vidéo augmentés ou de sous-titres ASS enrichis. inaFaceAnalyzer est conçu avec une vitesse élevée à l'esprit pour effectuer des campagnes de surveillance des médias à grande échelle.

InaGVAD est un corpus de données français annoté pour la détection d'activité vocale et la segmentation du genre des intervenants dans des émissions de radio et de télévision.

ID-Fits est un projet qui permet l'analyse et la manipulation d'images à haute vitesse grâce à l'utilisation de techniques de traitement d'images avancées. Il offre des fonctionnalités de détection de formes et de motifs, ainsi que la conversion d'images entre différents formats.

Ce projet contient un jeu de données anonymisé de descripteurs faciaux avec leurs étiquettes correspondantes anonymisées. Les descripteurs faciaux sont assignés à un programme, qui est basé sur des émissions de télévision réellement diffusées à la télévision française. Le jeu de données est utilisé dans [1] pour l'apprentissage non supervisé de co-occurrences pour la récupération d'images de visages.

This project uses the Louvain community detection algorithm to group together news events and Twitter events that deal with the same subjects. This can help users to quickly identify related stories and events, and to understand the broader context in which they are taking place.

Ce projet fournit un corpus de 5803 paires de tweets en français annotés pour la détection automatique de prise de position. Les tweets ont été collectés en juillet et août 2018 et sont classés en quatre catégories principales : Support, Deny, Query, et Comment, ainsi qu'une cinquième catégorie Ignore. Le projet comprend également une application web développée sous Flask pour l'annotation de tweets.