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.

Ce projet permet d'identifier automatiquement les lames pathologiques floues ou partiellement floues issues de scanners microscopiques. Il génère un rapport de qualité pour chaque image, indiquant si elle est entièrement floue, partiellement floue ou nette. L'outil aide à filtrer les images de mauvaise qualité avant leur utilisation dans des défis de données ou des analyses médicales automatisées, améliorant ainsi la fiabilité des résultats.

Ce microservice analyse des fichiers pour en évaluer la qualité, en se concentrant principalement sur la détection d'images floues. Il écoute une file d'attente RabbitMQ pour recevoir des tâches d'analyse. Une fois un fichier reçu, il est téléchargé, préparé (conversion PDF en images si nécessaire), puis analysé pour déterminer son niveau de netteté. Les résultats sont ensuite enregistrés dans une base de données.

Ce plugin permet d'anonymiser des photos en détectant les visages et en les floutant. Il offre la possibilité de prétraiter les images avant anonymisation et de posttraiter les images anonymisées. Le plugin inclut également un écran de back office pour afficher des statistiques sur l'anonymisation des photos.