Sauvez des vies grâces à la data : un projet d’upscaling vidéo des étudiants de l’ESIEA avec l’entreprise Technova
Dans le cadre du Cap Projet 5A, l’équipe 521 de l’ESIEA a relevé un défi technologique d’envergure en partenariat avec Technova Industries, une entreprise franco-américaine spécialisée dans les solutions SaaS. Leur mission ? Améliorer la résolution des vidéos issues de caméras à faible définition grâce à l’intelligence artificielle, pour optimiser des applications de surveillance et d’analyse de flux vidéo en temps réel.
Un enjeu technologique au cœur de l’IA et du traitement vidéo
Technova développe une plateforme SaaS, DataStorm One, qui permet la gestion centralisée de caméras et capteurs pour des secteurs variés, comme la gestion des transports (surveillance du trafic, comptage de véhicules) ou le suivi du bien-être animal (détection d’anomalies en milieu agricole). Cependant, la basse résolution de certaines caméras limitait la précision des analyses, compromettant ainsi l’efficacité des modèles de détection.
Les étudiants ont donc conçu une solution d’upscaling vidéo permettant d’augmenter la résolution et la netteté des images, et ainsi d’améliorer la détection d’objets critiques.
Image source d’une caméra de sécurité
Image " upscalée " grâce à l’IA qui utilise la data
Une approche technique avancée
Le projet s’est appuyé sur des outils de pointe en intelligence artificielle et data science, notamment :
- YOLOv8 pour la détection d’objets (véhicules, animaux).
- SwinIR, un modèle d’upscaling basé sur l’IA, permettant d’améliorer la netteté des images tout en conservant des détails précis.
- RabbitMQ pour la gestion des flux vidéo en temps réel.
- Docker et Terraform pour garantir un déploiement scalable et reproductible.
- Azure pour le stockage des résultats d’analyse.
En intégrant ces technologies, l’équipe a mis en place un pipeline vidéo performant, capable de traiter et d’analyser les images en temps réel. Ce pipeline a été intégré directement à l’hyperviseur SaaS de Technova.
Des résultats concrets et un impact significatif
Grâce à cette approche, l’équipe a obtenu des résultats mesurables :
- Une réduction de 10 % des erreurs de détection grâce à l’upscaling des images.
- Une architecture modulaire et scalable, permettant une intégration fluide à la plateforme de Technova.
- Une amélioration notable des détections de véhicules et d’animaux, notamment dans des environnements complexes et à faible luminosité.
La collaboration avec Technova s’est avérée très fructueuse, et l’entreprise a exprimé sa satisfaction quant à la qualité et l’efficacité de la solution développée.
Un travail d’équipe et une reconnaissance bien méritée
Le projet a été piloté en méthodologie agile, avec des réunions hebdomadaires entre les étudiants, leur mentor cap projets Thomas Person et les équipes de Technova.
Cette approche a permis une gestion fluide et efficace du projet, tout en garantissant une montée en compétences des étudiants sur des sujets pointus en machine learning et développement logiciel.
Un tremplin vers l’avenir
Au-delà du succès du projet, cette collaboration a ouvert des opportunités concrètes pour les étudiants ingénieurs : deux d’entre eux rejoindront Technova en stage, preuve de la pertinence et de la reconnaissance de leur travail.
Une belle réussite qui illustre la capacité des étudiants de l’ESIEA à répondre à des enjeux technologiques réels et à s’intégrer dans un environnement industriel exigeant !
École d'ingénieurs du monde numérique
