Étudiants d’aivancity : le Deep Learning en Pratique
Projets en Deep Learning par les Étudiants d'aivancity en 1ère année Master
Par Anuradha Kar, Professeur Associée en IA & Robotique à aivancity
À mesure que l’intelligence artificielle continue de progresser, ce ne sont pas uniquement les chercheurs en laboratoire ou les ingénieurs des entreprises qui repoussent les frontières de l’innovation. Les étudiants, en particulier ceux engagés dans des cours pratiques axés sur des projets, jouent également un rôle clé en contribuant à l’avancée de l’IA grâce à leurs perspectives nouvelles et à leurs expérimentations audacieuses.
Ce semestre, Anuradha Kar a intégré des projets pratiques dans son cours de Deep Learning pour la Vision par Ordinateur (DLCV) destiné aux étudiants de première année de Master. Les résultats ont été impressionnants : les étudiants ont conçu, développé et réalisé des projets techniquement ambitieux et socialement pertinents en seulement trois mois. Ces projets ont non seulement mis en valeur leur créativité et leurs compétences techniques, mais aussi démontré comment l’IA peut répondre à des défis réels.
Points forts des projets étudiants
Innovations en Apprentissage Visuel pour la Représentation Humaine
DualSight : Détection de Contenu Généré par IA
Abdellahi El Moustapha a développé un système de détection d’images générées par IA, combinant reconnaissance d’objets et vérification d’authenticité. Son modèle a atteint une précision élevée (85-89%) pour distinguer les images réelles des images synthétiques. Le projet est disponible sur GitHub.
Prédiction des Tailles de Vêtements via Image
Ahmed Ben Aissa a proposé un projet pour prédire les tailles de vêtements à partir d’images soumises par les utilisateurs. Son modèle intègre l’extraction des mesures corporelles et un système de prédiction des tailles. L’implémentation est disponible sur GitHub.
Reconnaissance des Émotions et Détection des Points de Repère Faciaux
Oussama Bouriga et Darryl Towa ont développé des systèmes de reconnaissance des émotions en temps réel et de détection des points de repère faciaux, ouvrant la voie à des applications avancées de la vision par ordinateur dans des environnements dynamiques.
Reconnaissance d’Activités dans des Environnements Complexes
Chess Vision Narrator
Likhita Yerra a créé un système capable de suivre les mouvements d’échecs à partir de vidéos en utilisant YOLOv8 et de générer des commentaires avec GPT-4. Ce projet a été déployé sous forme d’application interactive, mêlant IA et engagement des utilisateurs. Le projet est disponible sur GitHub.
Chess Vision Narrator : l’IA qui commente vos parties d’échecs
Suivre une partie d’échecs en vidéo et la commenter en temps réel ? Likhita Yerra le fait avec YOLOv8 et GPT-4.
Jeu sans Contact avec MediaPipe
Remi Allam a conçu un jeu de ping-pong basé sur des gestes, permettant aux joueurs de contrôler les raquettes avec les mouvements de leurs mains via webcam. Ce projet démontre l'énorme potentiel de la vision par ordinateur pour créer des expériences de jeu sans contact. Le projet est disponible sur GitHub.
Expérimentation avec les Architectures de Modèles de Vision par Ordinateur
Modification du modèle DETR pour la Détection d’Objets
Shafiya Kausar a modifié l’architecture DETR en y ajoutant une couche de réseau maillé personnalisée, visant à améliorer la précision de la localisation des objets.
Segmentation des Tumeurs Cérébrales avec U-Net
Li Tong a travaillé sur l’amélioration de la segmentation des tumeurs cérébrales en utilisant une architecture U-Net personnalisée et en exploitant le dataset BraTS 2020. Le projet est disponible sur GitHub.
Le cours DLCV de ce semestre a montré que l’intégration de projets pratiques enrichit l’apprentissage des étudiants, leur permettant non seulement d’appliquer la théorie à des problèmes réels, mais aussi d’explorer des sujets qui les passionnent à travers l’IA. Les projets étaient variés, allant des solutions pour le commerce en ligne aux applications dans le domaine de la santé, et beaucoup sont open-source, ce qui reflète l’engagement des étudiants pour la transparence et la progression collaborative.
Ces réalisations remarquables soulignent l’importance d’intégrer des expériences pratiques dans les programmes académiques. En permettant aux étudiants de travailler sur des défis réels, aivancity forme la prochaine génération d’innovateurs dans le domaine de l’IA et du deep learning.