Une équipe de recherche publiée, des produits qui en sortent
La recherche de Cyclope.ai est dirigée par Amir Nakib et s'appuie sur un réseau de laboratoires partenaires - CRIStAL (CNRS), Inria Lille, CentraleSupélec, LISSI. Ce qui est publié dans les revues et conférences de référence est ce qui tourne en production sur le réseau.
- ICCV, IEEE T-ITSvenues de référence en vision
- 4 laboratoiresCRIStAL·CNRS, Inria Lille, CentraleSupélec, LISSI
- 2024prix innovation sécurité routière (Patrolcare)
Axes de recherche
Chaque axe répond à une contrainte de production : précision au niveau de la transaction, environnements dégradés, protection des données.
Classification fine
Reconnaissance de classe de véhicule où 1 % d’erreur est une perte économique directe.
Compréhension de scène
Segmentation sémantique des infrastructures : voies, BAU, trottoirs, tunnels.
Vie privée et robustesse
Anonymisation d’images sans perte de précision, robustesse aux perturbations.
Optimisation et frugalité
Apprendre avec moins de données annotées, inférer sur du matériel contraint.
Publications scientifiques
Sélection de travaux publiés par l’équipe depuis 2019, avec affiliation Cyclope.ai.
Chaque année
au moins une publication depuis 2019, sans interruption
1 800+
citations des travaux de l’équipe (Google Scholar)
2023
Vie privéeAdaptive Image Anonymization in the Context of Image Classification with Neural Networks
N. Shvai, A. Llanza Carmona, A. Nakib - ICCV
Anonymiser les images (visages, plaques) sans dégrader la précision des modèles de classification en production.
2020
ClassificationAccurate Classification for Automatic Vehicle-Type Recognition Based on Ensemble Classifiers
N. Shvai, A. Hasnat, A. Meicler, A. Nakib - IEEE Trans. on Intelligent Transportation Systems
La méthode de classification de véhicules au cœur de Tollsense : fusion de CNN et de capteurs optiques par gradient boosting.
2019
ClassificationNovel Context-Aware Classification for Highly Accurate Automatic Toll Collection
M. Khata, N. Shvai, A. Llanza, A. Sanogo, A. Meicler, A. Nakib - IEEE Intelligent Vehicles Symposium (IV)
Exploiter la relation spatiale des objets de la scène pour classifier avec 74 fois moins de données annotées.
2019
SegmentationSemantic Segmentation Approach for Tunnel Roads’ Analysis
A. Llanza, A. Sanogo, M. Khata, K. Alami, N. Shvai, A. Hasnat, A. Meicler, Y. El Khattabi, J. Noslier, P. Maarek, A. Nakib - SPIE Applications of Digital Image Processing XLII
Segmenter voies, bande d’arrêt d’urgence et trottoirs en tunnel - la base de la localisation d’incidents de Tunnelwatch.
Liste complète sur le profil Google Scholar du Pr Amir Nakib.
Brevets déposés
Deux technologies protégées, toutes deux en production.
- BrevetClassification au péage
Classification de véhicules par vision et fusion de capteurs
La méthode brevetée au cœur de Tollsense : la classe de chaque véhicule déterminée sans contact, vérifiée sur 1 200 voies en production.
- BrevetContrôle du covoiturage
Comptage d’occupants à bord par vision
La technologie brevetée de Roadshare : le nombre de personnes à bord déterminé au passage, à travers le pare-brise, de jour comme de nuit.
De la publication au produit
Classification par ensembles
IEEE T-ITS 2020 → moteur de classification de Tollsense, 1 200 voies en production.
Segmentation tunnel
SPIE 2019 → localisation des incidents par zone dans Tunnelwatch, ~540 caméras.
Anonymisation adaptative
ICCV 2023 → traitement respectueux de la vie privée dans Travelmatch et la plateforme.
Travailler avec l’équipe de recherche
Thèses CIFRE, collaborations académiques, évaluations sur vos données : écrivez-nous.