Menu
Modélisez, entraînez et déployez vos solutions de traitement d’images rapidement.
Nous sélectionnons les meilleurs algorithmes de l’état de l’art disponibles en Open Source dans tous les grands domaines de la Computer Vision (classification, détection, segmentation, pose…), et nous les testons pour vous.
Utilisez tous nos algorithmes sans écrire une seule ligne de code.
Testez OpenCV en 1 clic ou commencez à utiliser des algorithmes de Deep Learning sans efforts.
Intégrez vos propres algorithmes dans Ikomia Studio pour les tester, les comparer et les améliorer.
Exécutez-les ensuite n’importe où, sur n’importe quelle machine.
Notre API vous permet de déployer vos applications en Computer Vision sur n’importe quel serveur de calculs distant (Google Colab, AWS, GCP…) ou sur vos propres serveurs.
Inférence TransUNet pour la segmentation sémantique.
Papier : TransUNet: Transformers Make Strong Encoders for Medical Image Segmentation. J. Chen, Y. Lu, Q. Yu, X. Luo, E. Adeli, Y. Wang, L. Lu, A-L. Yuille, Y Zhou. Preprint 2021
Code original : github.com/Beckschen/TransUNet
Inférence DeepLabv3+ de Detectron2 pour la segmentation sémantique.
Papier : Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation. Liang-Chieh Chen, Yukun Zhu, George Papandreou, Florian Schroff, Hartwig Adam. ECCV 2018
Code original : github.com/facebookresearch/detectron2
Appliquez un algorithme sur vos données en un clic.
Gardez un oeil sur votre workflow.
Évaluez les résultats.
Paramétrez facilement vos algorithmes.
Ikomia API est une bibliothèque Python qui permet de facilement prototyper son application de Computer Vision.
Que ce soit un workflow issu d’Ikomia STUDIO ou un workflow from scratch, les développeurs junior comme experts peuvent exécuter très simplement des algorithmes de pointe sur n’importe quel type de machine (ordinateur de bureau, serveurs de calculs, cloud computing) en quelques lignes de code.
Papier : TransUNet: Transformers Make Strong Encoders for Medical Image Segmentation. J. Chen, Y. Lu, Q. Yu, X. Luo, E. Adeli, Y. Wang, L. Lu, A-L. Yuille, Y Zhou. Preprint 2021
Modèle d’inférence DeepLabv3+ de Detectron2 pour la segmentation sémantique.
Papier : Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation. Liang-Chieh Chen, Yukun Zhu, George Papandreou, Florian Schroff, Hartwig Adam. ECCV 2018
Ikomia API est une bibliothèque Python qui permet de facilement prototyper son application de Computer Vision. Que ce soit un workflow issu d’Ikomia STUDIO ou un workflow from scratch, exécutez facilement des algorithmes de pointe sur n’importe quel type de machine (ordinateur de bureau, serveurs de calculs, cloud computing) en quelques lignes de code.
Ikomia STUDIO pour appliquer des algorithmes à vos images ou vidéos en 1 clic.
et ouvrez facilement vos images, vidéos, flux vidéos et datasets annotés.
votre idée rapidement avec des algorithmes de pointe et créez vos premiers PoC.
votre solution de traitement d’images sur serveur cloud ou système embarqué avec Ikomia API.
Ikomia STUDIO pour appliquer des algorithmes à vos images ou vidéos en 1 clic.
et ouvrez facilement vos images, vidéos, flux vidéos et datasets annotés.
votre idée rapidement avec des algorithmes de pointe et créez vos premiers PoC.
votre solution de traitement d’images sur serveur cloud ou système embarqué avec Ikomia API.
Apprenez à créer votre première Ikomia App Python grâce à notre API dédiée et profitez des outils Ikomia.
Ikomia Studio, Ikomia API et tous nos algorithmes sont Open Source. Allez visiter notre repo GitHub pour plus d’informations.
