Deep Finder est un outil d'analyse d'images développé pour aider les scientifiques à identifier et à classer des structures protéiques dans des données de microscopie cryo-électronique. Il est basé sur des algorithmes de deep learning et offre une interface graphique conviviale pour faciliter son utilisation. Deep Finder a été testé avec succès sur des données de tomographie cryo-électronique et a démontré une grande précision dans la détection et la segmentation de structures cellulaires.

Le kit du débutant est un projet dédié à la segmentation d'images biologiques et à l'analyse de données cellulaires. Il fournit des instructions d'installation et d'utilisation de Cellpose, un outil de segmentation d'images, sur différentes plateformes (Windows, Linux) et interfaces (Fiji, QuPath). Le projet vise à automatiser le traitement d'images et à faciliter l'analyse de données cellulaires pour les débutants en bio-image informatique.

Le projet FLAIR-2 vise à améliorer la précision des cartes en fournissant une description plus complète et une meilleure compréhension de notre environnement. Il s'appuie sur un jeu de données d'imagerie aérienne de haute résolution avec plus de 20 milliards de pixels annotés, acquis sur trois ans et différents mois. Les images aériennes sont accompagnées de données Sentinel-2 avec 10 bandes spectrales, offrant une résolution spatiale de 10 mètres. Le défi consiste à intégrer des informations texturales et temporelles pour améliorer la segmentation sémantique de ces données multi-sources.

ASSU est un outil en ligne de commande écrit en Bash permettant de réaliser l'assemblage de référence-guidé de segments SSU 16S à partir de données de séquençage à haut débit (HTS) de génomes bactériens ou archéens. Cet outil a été développé pour compenser l'échec de plusieurs programmes _de novo_ d'assemblage à assembler des segments non fragmentés de SSU lorsque le génome séquencé contient différentes copies de 16S rRNA avec des séquences variables, en particulier lors de l'utilisation de courtes données HTS.

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.

Ce projet a pour objectif de réaliser la segmentation binaire d'un jeu de données d'images en vue de détecter les pixels appartenant au sol. Il explore trois architectures : celle décrite dans UNET.py et les architectures 3 et 4-couches définies dans les répertoires UNet3 et UNet4.

LidaRtRee est un package R dédié à l'analyse de données laser aéroportées pour la détection et la caractérisation d'objets forestiers. Il permet la co-enregistrement de parcelles de terrain avec des données LiDAR, la détection et le segmentation des arbres, le calcul de paramètres forestiers avec une approche basée sur la surface, et l'extraction de caractéristiques physiques et statistiques utiles pour la modélisation de l'habitat ou la cartographie de la maturité forestière.

Ce projet fournit des outils pour altérer des documents textuels de manière à reproduire les dégradations courantes de la reconnaissance optique de caractères (ROC). Cela peut être utile pour évaluer les procédures de traitement de données historiques endommagées.

Myria3D est une bibliothèque de deep learning conçue pour la segmentation multiclasse de grands nuages de points Lidar à haute densité. Elle implémente l'entraînement de réseaux de neurones de segmentation 3D avec des logiques de traitement et d'évaluation optimisées pour les données à l'échelle du lot. L'inférence sur des nuages de points inconnus à grande échelle est également prise en charge, ce qui permet d'évaluer la IoU sur l'ensemble du nuage de points, ce qui se traduit par une évaluation fiable du modèle.

Le projet ICU (International Components for Unicode) est une bibliothèque open-source qui fournit des fonctionnalités avancées de traitement de texte et de formatage de données pour les applications internationalisées. ICU prend en charge un large éventail de langues et de régions, et offre des fonctionnalités telles que la décomposition et la normalisation de chaînes, la segmentation de mots, la conversion de calendriers, le tri et la collation, ainsi que le formatage de nombres, de devises, de pourcentages et de dates.