Micmac est un logiciel open source de photogrammétrie permettant de traiter et analyser des images 3D, ainsi que de générer des modèles numériques de terrain (MNT) à partir de données aériennes ou terrestres.

N2D2 est le framework CAD de CEA LIST pour la conception et la simulation de réseaux neuronaux profonds (DNN), ainsi que la construction d'applications DNN complètes sur plateformes embarquées. Il est développé en collaboration avec des partenaires industriels et académiques et est open source.

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.

Le projet eds-pseudo est un outil de détection et de pseudonymisation d'entités nominatives dans des documents, initialement développé pour les rapports cliniques du système d'information de santé de l'AP-HP. Il repose sur une combinaison de règles et de modèles de deep learning, et permet de détecter des adresses, dates, noms, prénoms, numéros de sécurité sociale, etc.

EDS-PDF est un framework modulaire permettant d'extraire des informations textuelles à partir de documents PDF. Il peut être utilisé tel quel ou être étendu pour s'adapter à des cas d'utilisation spécifiques. Il propose un système de pipeline et divers utilitaires pour la visualisation et le traitement de PDF, ainsi que plusieurs composants pour construire des modèles complexes.

Le projet GeoLifeCLEF vise à analyser des données géolocalisées pour reconnaitre des espèces végétales et animales, dans le but de suivre la biodiversité. Il fournit des exemples de chargeurs de données et des échantillons de données pour aider à utiliser les données du défi GeoLifeCLEF.

Le projet DeepPhysX fournit des packages Python permettant aux utilisateurs d'interfacer facilement leurs simulations numériques avec des algorithmes d'apprentissage. Il offre un package Core sans dépendance sur aucun framework de simulation ou d'IA, ainsi que d'autres packages compatibles avec ce Core et un framework de simulation ou d'IA spécifique.

L1BSR est un outil d'intelligence artificielle conçu pour améliorer la résolution d'images satellites Sentinel-2 de niveau L1B. Il permet de générer des images haute résolution (5m) à partir d'images basse résolution (10m) tout en corrigeant les désalignements entre les bandes spectrales. Basé sur des techniques d'apprentissage auto-supervisé, il ne nécessite pas de données de référence haute résolution pour l'entraînement. Ce projet est développé par le Centre Borelli à l'ENS Paris-Saclay.

Malpolon est un framework open source conçu pour faciliter l'entraînement et le partage de modèles de distribution d'espèces en profondeur. Il permet aux utilisateurs, même non experts en deep learning ou PyTorch, de prédire la présence d'espèces végétales sur une zone géographique donnée en utilisant des données environnementales variées comme des rasters bioclimatiques, des images satellites ou des données d'usage des sols. Développé dans le cadre de projets européens, il simplifie l'intégration de différents types de covariables pour des modèles visuels profonds.

ODEON est un framework en développement dédié au traitement et à l'analyse de données géospatiales, en particulier pour la segmentation sémantique d'images satellite. Il utilise des réseaux de neurones pour extraire des informations utiles à partir de ces images.