Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- OnoSensor est un système de capteurs acoustiques environnementaux open source, développé par l'UMRAE dans le cadre du projet Rail4Earth. Il permet de mesurer et analyser les niveaux sonores (indicateurs LZeq, LAeq, LCeq) avec une analyse spectrale conforme à la norme IEC 61672-1:2013. Équipé d'un Raspberry Pi, il intègre une classification automatique des sons via TensorFlow Lite et Yamnet, ainsi qu'un enregistrement optionnel et sécurisé d'audio déclenché par des tags de classification. Les données sont stockées et transférées vers une plateforme Elasticsearch/Kibana pour analyse et visualisation.
- Ce projet vise à classifier automatiquement les didascalies (indications scéniques) dans les textes de théâtre français à l'aide d'expérimentations en apprentissage par transfert. Il s'appuie sur des modèles de traitement automatique du langage pour analyser et catégoriser ces éléments textuels spécifiques, contribuant ainsi à des recherches en linguistique computationnelle et en sciences du théâtre. Les résultats sont documentés dans une publication scientifique.
- Ce projet propose un ensemble de programmes et ressources pédagogiques pour l'apprentissage des concepts d'algorithmes d'apprentissage automatique et de réseaux de neurones. Il inclut des exemples concrets de classification d'images (comme des chaises et tables) à partir de la base CIFAR100, en utilisant différentes approches (réseaux de neurones, régression pénalisée, convnets). Les codes sont accompagnés d'une image Docker pour garantir une reproductibilité totale des résultats, et sont destinés à un public académique ou professionnel souhaitant se former à ces technologies.
- Ce projet développe des outils pour analyser et reconnaître les micro et macro expressions faciales à partir de séquences vidéo. Il permet d'extraire des motifs de mouvement locaux (LMP) et de générer des descripteurs pour identifier les émotions exprimées. Les algorithmes sont conçus pour être appliqués sur des jeux de données standardisés comme CK+, CASME, ou SMIC, et produisent des fichiers compatibles avec des outils d'apprentissage automatique pour la classification des émotions.
- Cette bibliothèque permet de créer des backends pour l'étiquetage automatique de larves dans le cadre de l'analyse comportementale. Elle fournit une structure standardisée pour entraîner des modèles de classification, extraire des caractéristiques à partir de données brutes, et générer des prédictions d'étiquettes comportementales. Les résultats sont utilisés par des outils comme LarvaTagger pour automatiser l'analyse de séquences vidéo de larves.
- CamemBERTa est une famille de modèles de langage avancés pour le français, basée sur l'architecture DeBERTa V3. Ces modèles utilisent des techniques d'apprentissage automatique pour comprendre et générer du texte en français, avec des applications en traitement automatique des langues, analyse sémantique et génération de contenu. Ils sont optimisés pour des tâches comme la classification, la reconnaissance d'entités nommées et la réponse aux questions.
- Notoriété 7 %Ce projet propose des supports de cours sous forme de diapositives (slides) dédiés aux enjeux des nouvelles sources de données pour la statistique publique. Il s'adresse aux étudiants de l'Ensai et couvre des thèmes comme l'analyse de données spatiales avec DuckDB et la classification automatique en traitement automatique du langage naturel (NLP). Les ressources sont conçues pour accompagner un enseignement dispensé sur deux années scolaires.
- Ce projet vise à comparer les performances de plusieurs modèles Keras pour la classification d'IRM cérébrales 3D, permettant de distinguer des états comateux et non-comateux. Il intègre des techniques d'apprentissage par transfert et des scripts automatisés pour entraîner, affiner et tester des réseaux de neurones convolutifs 3D. Les résultats sont organisés pour faciliter l'analyse comparative des architectures et des configurations.
- Ce projet développe des outils pour la détection précoce de gestes dans des flux vidéo non segmentés, en utilisant des modèles d'apprentissage automatique comme OLT-C3D et des approches basées sur le CTC (Connectionist Temporal Classification). Il permet d'analyser des séquences de mouvements humains pour identifier et localiser des actions spécifiques, avec un focus sur la fiabilité et la rapidité de décision. Les résultats sont utilisés pour évaluer et comparer des modèles dans des contextes de recherche ou d'applications industrielles.
- Projet visant à rattacher automatiquement les jeux de données publics de data.gouv.fr à une ontologie structurée de la démocratie (élections, transparence, participation citoyenne, vie politique). Il utilise des embeddings vectoriels stockés dans PostgreSQL avec pgvector pour calculer des similarités sémantiques entre les données et les thèmes de l'ontologie. Les résultats sont ensuite utilisés pour faciliter l'analyse et la classification des données par des outils comme Grist.
20 initiatives
10