Ce projet développe une solution innovante de reconnaissance de gestes et d'activités humaines basée sur des radars millimétriques. Il propose une méthodologie légère et robuste pour des systèmes embarqués, exploitant des réseaux de neurones graphiques (GNN) afin d'analyser des données radar complexes. Le projet inclut la création d'un jeu de données dédié, MIRAGE, et démontre une performance supérieure aux méthodes existantes en termes de précision et d'efficacité énergétique.

Outil dédié à la visualisation et à l'analyse des filtres générés par des réseaux de neurones convolutifs (CNN). Permet aux chercheurs et développeurs en intelligence artificielle d'explorer les caractéristiques apprises par les modèles, d'évaluer leur performance sur différents jeux de données et d'optimiser les architectures de réseaux de neurones pour des applications variées.

Système de monitoring dédié à la surveillance en temps réel des équipements cryogéniques et des systèmes associés. Il centralise les données de capteurs dans une base MongoDB, les réplique vers un cluster OpenSearch pour les requêtes utilisateurs, et fournit des outils d'analyse prédictive. Utilisé pour détecter des comportements anormaux via des réseaux de neurones entraînés sur des données historiques, permettant une maintenance proactive et une optimisation des performances.

OTBONNX est un module complémentaire pour la boîte à outils OTB (Orfeo ToolBox), permettant d'intégrer des modèles d'apprentissage profond basés sur le format ONNX dans des chaînes de traitement d'images géospatiales. Il facilite l'utilisation de réseaux de neurones pour des tâches comme la classification, la segmentation ou la détection d'objets, en s'appuyant sur des bibliothèques performantes comme ONNX Runtime. Ce module est particulièrement utile pour des applications en télédétection, cartographie ou analyse d'images satellites.

Ce projet utilise l'intelligence artificielle pour détecter automatiquement les lésions liées à la maladie de Crohn à partir d'images issues de vidéos de vidéocapsule endoscopique. Il permet d'analyser des examens médicaux, d'augmenter les jeux de données d'images pour améliorer la précision des modèles, et de fournir des métriques de performance pour évaluer l'efficacité des réseaux de neurones entraînés.

Ce projet développe des modèles d'intelligence artificielle pour classifier des IRM cérébrales en distinguant des états comateux et non-comateux. Il compare les performances de plusieurs architectures de réseaux de neurones profonds (comme LeNet17) et applique des techniques de transfert d'apprentissage pour améliorer la précision des diagnostics. Les résultats sont utilisés pour soutenir la recherche médicale et l'analyse automatisée d'images médicales.

Ce projet développe des outils pour entraîner et simuler des réseaux de neurones distribués, permettant d'optimiser des modèles d'apprentissage automatique à grande échelle. Il facilite l'analyse de données complexes et la simulation de scénarios pour améliorer les performances des algorithmes d'intelligence artificielle.

Projet dédié à la simulation et à l'optimisation de réseaux de neurones profonds pour des applications en bioinformatique. Il permet d'analyser des données biologiques complexes et d'améliorer les performances des modèles d'apprentissage automatique dans ce domaine.

Projet dédié à l'évaluation et à la comparaison de modèles d'intelligence artificielle spécialisés dans l'analyse de données audio. Il permet de tester et classer différents algorithmes (réseaux de neurones, CatBoost, KNN, etc.) pour déterminer leur efficacité en termes de précision et de performance.

BlitzNet est un réseau de neurones profond conçu pour comprendre et analyser des scènes visuelles en temps réel. Il permet de détecter et segmenter des objets dans des images avec une grande précision, tout en maintenant des performances élevées grâce à une architecture optimisée. Ce projet est particulièrement utile pour des applications nécessitant une analyse rapide et fiable d'images, comme la vision par ordinateur ou l'intelligence artificielle.