EXPERTISE EN DÉTECTION DE NŒUDS :
- Modèles de base : détection zéro-shot, VLMs (Florence/paligemma 2), fine-tuning LoRA, optimisation CLIP/DINO
- Architectures CNN : YOLO/RetinaNet (à étape unique), R-CNN/Mask R-CNN (à deux étapes), architectures FPN
- Transformers : Swin/Swift Transformer, DETR, intégration du backbone DINOv2
- Apprentissage few-shot : transfert de connaissances, distillation de connaissances, pipelines d'apprentissage actif
<strong SUIVI AVANCÉ :
- Mot SOTA : ByteTrack, DeepSORT (embeddings personnalisés), StrongSORT, Norfair
- Capacités : re-identification multi-caméras, gestion des occlusions, prévision de trajectoire
PILE TECHNIQUE :
- Frameworks : MMDetection, Detectron2, TF-OD API, architecture personnalisée
- Bibliothèques : PyTorch, TensorFlow/Keras, OpenCV, Supervision
EXPERTISE DANS LE DOMAINE :
- Industriel : détection d'anomalies, conformité PPE, contrôle qualité
- Sécurité : surveillance en temps réel, protection périmétrique, analyse de comportement
- Transport : suivi de véhicules, ALPR, analyse du trafic
- Commerce de détail : reconnaissance de produits, inventaire automatisé
APIs :
Microsoft Computer Vision AI, Google Cloud Vision API
Expertise :
Traitement d'images, apprentissage de caractéristiques, classification
Langage de programmation :
Python, C++, SQL
Outils :
Pytorch, TensorFlow, Opencv, MLflow