
Sign up to save your podcasts
Or
Dans cet épisode de Pixel Perfect
Hugues nous raconte comment il a plongé dans l’aventure Scortex, une startup qui s’est attaqué à la question cruciale de l’inspection visuelle en milieu industriel.
Parti comme stagiaire en machine learning, il s’est retrouvé, huit ans plus tard, à la tête d’une équipe qui mêle vision par ordinateur, hardware sophistiqué et méthodes produit pour résoudre un problème bien réel : détecter et comprendre les défauts au fil de la production.
La magie opère quand Hugues décrit sa transition du tout-supervisé (où l’on doit recenser un nombre fixe de catégories de défauts) à la détection d’anomalies, cette capacité à repérer l’inattendu – « la pièce coupée en deux que l’algo refusait de voir ». On comprend alors que l’enjeu ne se limite pas à classer des images : c’est tout un écosystème à repenser, depuis l’éclairage et les caméras jusque sur la chaîne de production, là où même l’avis des opérateurs peut parfois être suggestif.
Au fil de la discussion, on en apprend un peu plus sur ce qui rend spécial l’application de la vision par ordinateur à l’intérieur des usines et comment elle peut apporter de la valeur, dans un contexte où les erreurs arrivent rarement (tellement qu’on doit parfois créer manuellement des défauts de qualité)
J’espère que vous avez aimé cet épisode, j’attends vos retours dans les commentaires !
Ce podcast vous est proposé par Picsellia: la plateforme de MLOps dédiée à la Computer Vision.
Picsellia contient tous les outils pour assister les ingénieurs en IA, de l’annotation au monitoring de modèles, en production.
Visitez le site de Picsellia ➡️ https://picsellia.com
Nous venons de sortir une version Community pour que vous puissiez gratuitement réaliser vos projets de Computer Vision ➡️ https://app.picsellia.com
Pour plus de contenu, suivez moi sur Linkedin ➡️ https://www.linkedin.com/in/pierre-nicolas-tiffreau/
Dans cet épisode de Pixel Perfect
Hugues nous raconte comment il a plongé dans l’aventure Scortex, une startup qui s’est attaqué à la question cruciale de l’inspection visuelle en milieu industriel.
Parti comme stagiaire en machine learning, il s’est retrouvé, huit ans plus tard, à la tête d’une équipe qui mêle vision par ordinateur, hardware sophistiqué et méthodes produit pour résoudre un problème bien réel : détecter et comprendre les défauts au fil de la production.
La magie opère quand Hugues décrit sa transition du tout-supervisé (où l’on doit recenser un nombre fixe de catégories de défauts) à la détection d’anomalies, cette capacité à repérer l’inattendu – « la pièce coupée en deux que l’algo refusait de voir ». On comprend alors que l’enjeu ne se limite pas à classer des images : c’est tout un écosystème à repenser, depuis l’éclairage et les caméras jusque sur la chaîne de production, là où même l’avis des opérateurs peut parfois être suggestif.
Au fil de la discussion, on en apprend un peu plus sur ce qui rend spécial l’application de la vision par ordinateur à l’intérieur des usines et comment elle peut apporter de la valeur, dans un contexte où les erreurs arrivent rarement (tellement qu’on doit parfois créer manuellement des défauts de qualité)
J’espère que vous avez aimé cet épisode, j’attends vos retours dans les commentaires !
Ce podcast vous est proposé par Picsellia: la plateforme de MLOps dédiée à la Computer Vision.
Picsellia contient tous les outils pour assister les ingénieurs en IA, de l’annotation au monitoring de modèles, en production.
Visitez le site de Picsellia ➡️ https://picsellia.com
Nous venons de sortir une version Community pour que vous puissiez gratuitement réaliser vos projets de Computer Vision ➡️ https://app.picsellia.com
Pour plus de contenu, suivez moi sur Linkedin ➡️ https://www.linkedin.com/in/pierre-nicolas-tiffreau/