Un large panel d'applications
Nous couvrons un large panel de use-cases en Computer Vision
et répondons aux besoins de mutliples industries
Classification, prédiction d'images et de vidéos
Entraîner un réseau de neurones convolutionnel (CNN) pour classifier des images est une technique de Deep Learning permettant de prédire la catégorie d'une image à partir d'un ensemble d'images labellisées. Les réseaux convolutionnels réalisent l'extraction de caractéristiques complexes multi-échelles à partir d'une image d'entrée et produisent en sortie sa probabilité d'appartenir à une classe spécifique.
Médical
Pharma
Analyse d'images médicales par IA, diagnostic, monitoring, quantification, ultrasons, images optiques, IRM
Biologie
Cosmétique
Analyse de la peau par IA, tissus et cellules biologiques, visualisation, quantification, statistiques
Aérospatial
Traitement d'images satellite ou drone par IA, détection de changements, recalage d'images
Jeux
Réalité augmentée
Scène 3D augmentée sur smartphone et tablette, détection de visage, applications de réalité augmentée
Détection d'objets, segmentation, tracking
Détecter la position d'un objet dans une image, dessiner ses contours, ou même tracker les contours d'un objet dans une vidéo, sont des techniques issues de la Computer Vision. A partir d'un vaste ensemble de données d'images annotées par des experts, les réseaux de neurones convolutionnels sont capables de réaliser ces tâches avec de très hautes performances. Dans certains cas spécifiques tels que les applications médicales, des outils d'annotations intelligents utilisant la Computer Vision plus traditionnelle et non-supervisée rendent les annotations plus rapides et plus efficaces.
Matching d'images, recalage, assemblage
Vous devez aligner différentes images de la même scène ? Par exemple pour effectuer une correction de mouvement ou pour créer des panoramas en assemblant des images ? Vous êtes sur le point de résoudre un problème de recalage d'images. Les approches modernes par Deep Learning consistent à extraire des features locales très robustes et possédant des propriétés d'invariance à divers changements géométriques ou de modalité.
Amélioration d'image et de vidéo, colorisation, génération
Les réseaux de neurones génératifs (GANs) ont ouvert de nouveaux horizons en Computer Vision et Traitement d'Images. En fournissant des exemples à la machine, les modèles entraînés sont capables d'améliorer la qualité des images, par exemple débruiter ou supprimer le flou d'une image. Convertir une image vers une autre modalité ou même générer de nouvelles images grâce à l'inspiration artificielle de la machine représentent des applications du Deep Learning très prometteuses.