Journée amélioration continue et innovation : Bilan rapide (05.17)

S02 E02

Challenge IA: Avoir le meilleur taux de réussite sur la détection de chats dans un set d’images données

Guillaume: Utilisation de la lib https://github.com/mtschirs/js-objectdetect
article de génération de classifiers http://coding-robin.de/2013/07/22/train-your-own-opencv-haar-classifier.html.

Attention: l’apprentissage est très long et nécessite beaucoup de données. Récupération des données de visages de chats depuis le repo OpenCV https://github.com/opencv/opencv (Utilisation d’OpenCV et de python pour compiler et comparer des images)

pas du haar mais du LBP et du HOG
http://www.vision-ary.net/2015/03/boost-the-world-cat-faces/

Haar = méthode viola et jones https://fr.wikipedia.org/wiki/Caract%C3%A9ristiques_pseudo-Haar
= on doit feed l’algo pour lui apprendre quel objet on cherche, méthode avec des bords

LBP = local binary pattern https://en.wikipedia.org/wiki/Local_binary_patterns
comme haar mais pas avec les bords, mais les textures, moins précis, plus rapide

HOG = Histogram de gradient orienté https://fr.wikipedia.org/wiki/Histogramme_de_gradient_orient%C3%A9
comme les autres mais utilise un gradient

Bilan de Ben : mitigé, beaucoup de difficultés pour faire fonctionner les libs, mais on a désormais une meilleure vision des techniques à appliquer.

https://github.com/auduno/clmtrackr/tree/dev
https://trackingjs.com/docs.html#trackers
http://www.pyimagesearch.com/2016/06/20/detecting-cats-in-images-with-opencv/
https://www.tensorflow.org/tutorials/image_recognition
http://harthur.github.io/kittydar/

Multi Screen avec iOS (via adaptateur ou Chromecast)

Chromecast et iOS, c’est compliqué (il faut enregistrer son app, créer des comptes, les exemples de code sont en Swift 2.3…) Avec Apple TV en AirPlay ça marche très bien, malgré un léger manque de réactivité. En branchant directement avec un cable HDMI, aucun lag forcément, la sortie est FullHD, donc selon les cas d’utilisation, nous avons maintenant une bonne vision de la solution à appliquer.

Live Quiz avec des devices en remote buzzer (join game with QRCode)

Angular 4 & Firebase: 8h c’est trop juste pour soigner le design mais au niveau fonctionnel c’est ok.

Progressive Web App installable sur mobile et desktop qui permet de suivre l’occupation de nos places de parking

Conclusion Eric De Sa : le problème du parking est enfin réglé :-) Les PWA sont prometteuses, mais surtout pour Android. Sur iOS, les notifications ne sont pas encore supportées et l’installation ne peut se faire que depuis Safari.

Création d’un ChatBot pour automatiser le support d’un de nos produits

Ce Poc a été réalisé avec api.ai, on entre des demandes récurrentes aux supports sous plusieurs formes, en spécifiant les verbes d’action, la cible, … On associe à cette demande une réponse déjà rédigée provenant de notre base de connaissance. Le bilan est plutôt positif, le bot distingue bien les “intents” différentes entre un renouvellement d’abonnement et une création de compte par exemple. On peut également “entrainer” le bot lorsque celui-ci fait des erreurs.

Réalité augmentée — (Intégration d’objet 3D dans le monde réel sur Android)

Bilan Eric: très positif !!! ça plante, ça fait des effets de positionnement bizarres et on manque de maîtrise sur les positions en 3D / vecteurs / matrices pour que ce soit propre (ça rappelle des souvenirs de cours de maths, mais lointains les souvenirs… ^^)

La démo était cool, avec des avions et des explosions sur Android !