DES OUTILS POUR LA RECONNAISSANCE D'IMAGE

Les objectifs de notre R&D

Réduire le Time-to-Market

Les outils que nous avons développés permettent à nos Data Scientists de se concentrer sur les tâches à forte valeur ajoutée. Nous activons trois leviers pour y parvenir : simplifier le processus de labellisation des images, fournir la documentation des bibliothèques d'algorithmes de reconnaissance d'image, automatiser le lancement des entraînements de Deep Learning.

Leto
Leto

C'est la part de temps qu'un Data Scientist consacre à des tâches à faible valeur ajoutée. Nos outils leur permettent de réduire ce ratio à 20%.

2

Outils Développés

2017

Début de notre R&D

5

Chercheurs Dédiés

Impacts

30%
Temps libéré pour un Data Scientist
100%
Des données utilisables pour les entraînements
Background
Background
Quotes

Nos outils me permettent de concentrer mon attention sur le code qui nécessite le plus de compétences techniques et d'intelligence humaine.

Felix_Miniature

Félix Vogeli, Data Scientist @Sicara

Chani, un outil dédié au contrôle visuel de la donnée

Pour une donnée fiable et de qualité

Chani, un outil de contrôle des labels

Chani, un outil dédié au contrôle visuel de la donnée

Pour une donnée fiable et de qualité

Dans un projet de reconnaissance d'image, la donnée est le facteur n°1 de réussite. Contrôler la donnée permet de s'assurer que l'algorithme apprend correctement. Ce que permet Chani : - 100% de la donnée est utilisée pour entraîner l'algorithme - Les Data Scientists sont deux fois plus rapides pour générer leur propre base de données - La labellisation de la donnée est automatisée grâce à des algorithmes de Deep Learning (YOLOv3, MaskRCNN)

Ibad, une librairie d'algorithmes spécialisés en reconnaissance d'image

Démystifier l'état de l'art

xx

Ibad, une librairie d'algorithmes spécialisés en reconnaissance d'image

Démystifier l'état de l'art

Ibad donne aux Data Scientists et au client le moyen de comprendre comment l'algorithme effectue sa prédiction. Nous fournissons à nos équipes une bibliothèque d'algorithmes de reconnaissance d'image à l'état de l'art. Ce que permet Ibad : - Adapter facilement les algorithmes aux problématiques de nos clients - Diviser par trois le temps dédié au choix d'une structure de code - Maintenir nos équipes à l'état de l'art dans le domaine de la reconnaissance d'image grâce à des tutoriels et des auto-formations

keras, logo, manomano, sicara

Notre Équipe R&D

Une équipe de docteurs experte en Intelligence Artificielle

IA_Brain

Notre Équipe R&D

Une équipe de docteurs experte en Intelligence Artificielle

Sicara dédie 20% de ses ressources à la R&D pour maintenir ses équipes à la pointe en matière de reconnaissance d'image.

Antoine

Polytechnique, PhD

Laurent

ENSTA ParisTech, PhD ENSAM

Tanguy

Polytechnique, PhD

Etienne

Polytechnique

Théodore

Centrale Paris


Articles associés écrits par les Data Scientists Sicara (En Anglais)

blurry street

En finir avec les photos floues en utilisant des GAN avec Keras

Ce tutoriel vous montrera, via des exemples, comment rendre vos images plus nettes grâce à Keras.

graph

Tutoriel Keras : Recherche par images avec un auto-encoder de convolution

Comment trouver des images similaires grâce à un auto-encoder de convolution.

TensorFlow, IA, Docker, GPU

Utiliser Tensorflow et Docker sur une machine GPU en quelques minutes

Docker est la meilleure plateforme pour installer rapidement Tensorflow avec une GPU.

AI FOR BUSINESS

Le Livre Blanc

Comment faire des entreprises françaises les championnes de l'Intelligence Artificielle ? Pendant plusieurs mois, Benoît Limare, CEO de Sicara, était partenaire du Think Tank "AI for Business" - Les Echos avec des représentants d'entreprise et des experts de l'IA et de la Data Science. Ce livre blanc rassemble 20 recommandations qui s'adressent à tous types d'entreprises et managers qui veulent lancer leur projet IA.

Livre Blanc, IA, Intelligence Artificielle, Meilleures Pratiques, Les Echos