Esup-signature est un module de signature type micro-service permettant à un établissement d’intégrer la signature numérique dans ses services institutionnels. Il s’appuie sur la solution DSS de la Commission Européenne et peut s’adapter aux différents établissements de l’ESR grâce à l’utilisation de shibboleth, LDAP et TCS de Renater.

MonoProb est un projet de recherche en vision par ordinateur qui vise à estimer la profondeur d'une scène à partir d'une seule image. Il s'appuie sur des méthodes d'apprentissage profond auto-supervisées et fournit des incertitudes interprétables. Il a été accepté à la conférence IEEE Winter Conference on Applications of Computer Vision (WACV) 2024.

BrightFlow est un projet d'apprentissage profond dédié à l'analyse de flux optiques dans des vidéos, en particulier pour la détection de changements de luminosité. Il s'appuie sur un apprentissage non supervisé pour améliorer la précision des résultats.

Le NeuroCorgi-SDK est un SDK permettant d'utiliser le modèle NeuroCorgi dans vos applications de détection d'objets, de segmentation d'instances et de classification en tant qu'extracteur de fonctionnalités. Ce SDK est développé dans le cadre du projet Andante. Le SDK fournit des versions du circuit NeuroCorgi qui peuvent simuler le comportement des modèles sur puce. Deux versions ont été conçues à partir d'un MobileNetV1 entraîné et quantifié en 4 bits en utilisant la méthode SAT dans N2D2 : l'une avec l'ensemble de données ImageNet et l'autre avec l'ensemble de données Coco.

DAHLIA-BodyIndex est un décodeur permettant de convertir des fichiers binaires bruts du jeu de données DAHLIA en images tif.

Ce dépôt contient une snapshot des node_modules et bower_components d'ezPAARSE, accélérant ainsi le processus d'installation.

Projet GuerrillaPLI est un dispositif d'imagerie polarisée légère et peu coûteux, conçu pour l'analyse et l'étude des matériaux transparents et structures polarisées dans les domaines de l'optique et de la physique des matériaux.

DogeIA est un projet d'intelligence artificielle permettant d'assister les utilisateurs dans leur prise de décision en analysant et en traitant des données complexes. Il est également capable de reconnaitre des images et de les classer selon des critères prédéfinis.

Le projet ODGS (Object Detection with Geometric Shapes) est une solution de détection et de classification d'objets en 3D en utilisant des formes géométriques et des étiquettes 2D. Il permet d'améliorer la navigation et la manipulation dans des environnements 3D, facilitant ainsi l'interaction avec ces derniers.

Ce projet permet de scanner un répertoire d'images aériennes prises par un drone (UAV) et d'y détecter les images qui pourraient être floues. Cette détection est basée sur l'analyse des métadonnées des images et sur l'examen de leur contenu. Le résultat est une liste d'images potentiellement floues.