Talvin Ackbaraly

Segmentation et classification d'illustrations patrimoniales

Projet de fin d'études mené en partenariat avec la Bibliothèque nationale de France. L'objectif est de détecter et classifier automatiquement les illustrations (gravures, figures, ornements) extraites de documents patrimoniaux numérisés.

• Benchmark de modèles de détection d'objets : YOLO, Florence-2
• Définition et suivi des métriques d'évaluation (mAP, IoU)
• Gestion du dataset : annotation, nettoyage, augmentation
• Suivi client hebdomadaire avec les équipes de la BNF

Reconnaissance automatique de plaques d'immatriculation

Système complet de lecture automatique de plaques (ALPR) développé en binôme. Deux approches ont été comparées : traitement d'image classique et Machine Learning, avec des benchmarks rigoureux.

• Approche classique : filtres, morphologie, segmentation
• Approche ML : classification avec 86% de précision
• Benchmarks comparatifs Python vs C++ sur dataset Train/Val/Test
• Workflow GitLab complet : issues, merge requests, CI

Détection de mouvement vidéo — Portage GPU

Portage d'un algorithme de détection de mouvement vidéo temps réel du CPU vers le GPU. L'objectif était d'analyser les goulots d'étranglement et d'atteindre les meilleures performances possibles via CUDA.

• Portage CPU → GPU : gain de performance de ×24
• Analyse des goulots d'étranglement avec Nsight
• Optimisation des transferts mémoire et des kernels CUDA

Prédiction médicale & Visualisation 3D

Prédiction de la Capacité Vitale Forcée (FVC) à partir de scanners CT pulmonaires. Le projet couvre toute la chaîne : segmentation des poumons, extraction de features, prédiction par ML et visualisation 3D dans une interface web.

• Segmentation pulmonaire et reconstruction 3D à partir de scanners CT
• Prédiction de la FVC avec XGBoost
• Interface web avec Next.js pour la visualisation des résultats
• Conteneurisation Docker et pipeline GitLab CI

Simulation de fluide temps réel

Moteur de simulation de fluides basé sur l'algorithme SPH (Smoothed Particle Hydrodynamics), rendu en temps réel avec OpenGL. Tous les calculs physiques sont déportés sur le GPU via des Compute Shaders.

• Simulation SPH de milliers de particules en temps réel
• Physique sur GPU via Compute Shaders (SSBO)
• Rendu via Frame Buffer Objects (FBO)

Clone de réseau social

Développement d'une plateforme sociale complète type Twitter en équipe de 14 personnes, simulant les conditions d'un projet en entreprise avec des pratiques DevOps rigoureuses.

• Architecture microservices : backend Java/Quarkus, frontend React/Next.js, base MongoDB
• Fonctionnalités : authentification, timeline, likes, follows, temps réel
• Coordination en équipe de 14 avec revues de code et gestion de projet

Création d'un compilateur complet

Implémentation d'un compilateur complet pour le langage Tiger, couvrant toutes les passes classiques de compilation, de l'analyse lexicale à la vérification de types.

• Analyse lexicale et syntaxique (Flex / Bison)
• Résolution des liaisons de variables (Binding)
• Inférence et vérification de types (TypeChecker)

Reconnaissance de chiffres & résolution de Sudoku

Pipeline complet de traitement d'image : détection de la grille de Sudoku dans une photo, reconnaissance des chiffres par un réseau de neurones entraîné from scratch, puis résolution automatique de la grille.

• Détection de la grille par traitement d'image classique
• Réseau de neurones (CNN) entraîné from scratch pour la reconnaissance de chiffres
• Résolveur automatique intégré