DeepMOT est un projet d'intelligence artificielle spécialisé dans le suivi et la détection d'objets dans des vidéos en temps réel.

Bibliothèque COMPRISE pour l'apprentissage supervisé faible de la transcription de la parole en texte (STT). Comprend trois composants : Err2Unk, Weakly Supervised Training basé sur les états de dialogue et Confusion Network basé sur l'apprentissage de modèles de langage (CN2LM).

Ce projet est un dépôt de code source pour la formation "Overview in AI" du 25 mai 2023. Il contient des notebooks Jupyter pour l'apprentissage de réseaux de neurones multi-couches et convolutifs, ainsi que pour le fine-tuning avec Visual Transformer de HuggingFace. Il y a également des slides de présentation et des informations de contact.

Deep Finder est un outil d'analyse d'images développé pour aider les scientifiques à identifier et à classer des structures protéiques dans des données de microscopie cryo-électronique. Il est basé sur des algorithmes de deep learning et offre une interface graphique conviviale pour faciliter son utilisation. Deep Finder a été testé avec succès sur des données de tomographie cryo-électronique et a démontré une grande précision dans la détection et la segmentation de structures cellulaires.

This project provides an introduction to deep learning concepts, with a focus on neural networks and machine learning algorithms. It aims to help users understand the fundamentals of these technologies and explore their potential applications.

Ce projet est une implémentation officielle de l'approche de concaténation pour la détection de vulnérabilités XSS statiques dans du code. Il représente le code source sur la base de la tokenisation de son contenu et est décrit dans le document de recherche suivant : Héloïse Maurel, Santiago Vidal et Tamara Rezk, 'code2vec: Apprentissage de représentations distribuées de code', POPL'2019.

Dtk-voice est un projet open source d'assistant vocal permettant la reconnaissance et la synthèse vocale, la commande vocale ainsi que diverses fonctionnalités d'assistant virtuel.

Ce projet utilise des réseaux de neurones pour détecter des vulnérabilités XSS dans du code JavaScript, en représentant le code source sous forme de vecteurs à l'aide d'une représentation basée sur des arbres abstraits hachés.

Ce projet permet de détecter la langue d'un texte grâce à l'apprentissage automatique. Il utilise des algorithmes avancés pour identifier la langue d'un texte donné, ce qui peut être utile dans de nombreux cas d'utilisation, tels que l'analyse de données textuelles et le traitement automatisé de langues.

Le projet maskanalysis a pour but d'analyser les données relatives au port du masque dans différents contextes, afin d'évaluer l'efficacité des politiques sanitaires mises en place et de suivre la propagation du virus. Il s'appuie sur des algorithmes d'intelligence artificielle pour détecter et classer les images et vidéos selon le port ou non du masque.