Caffe est un framework open source dédié à l'apprentissage profond, spécialisé dans le traitement d'images et la vision par ordinateur. Il permet de concevoir, entraîner et déployer des modèles de réseaux de neurones convolutifs (CNN) pour des tâches comme la classification d'images, la détection d'objets ou la segmentation sémantique. Utilisé par des chercheurs et des entreprises, il offre une architecture modulaire et des performances optimisées pour accélérer les calculs.

Ce projet propose des modifications personnalisées du code source de CVAT (Computer Vision Annotation Tool), une plateforme open source dédiée à l'annotation d'images et de vidéos pour l'entraînement de modèles d'intelligence artificielle. Les patchs développés visent à améliorer l'ergonomie, ajouter des fonctionnalités spécifiques ou optimiser des processus existants pour des besoins particuliers, notamment dans le domaine de la vision par ordinateur.

Ce projet est un wrapper PID pour la bibliothèque gtsam, spécialisée dans la résolution efficace de problèmes de graphSLAM (Simultaneous Localization and Mapping) appliqués à la robotique et à la vision par ordinateur. Il facilite l'intégration et l'utilisation de gtsam dans des environnements de développement robotique, permettant une optimisation avancée des trajectoires et des modèles 3D.