Retour à l’accueil
MI
Miles Deans
Responsable du référencement naturel · Ultralytics
Miles Deans est responsable du référencement naturel chez Ultralytics, à Londres, où il pilote la stratégie de référencement et la croissance organique de l’entreprise. Il a auparavant occupé des postes chez Adobe, Kaizen et Virgin Media O2.
Guides
Meilleurs modèles de classification d’images : comment choisir
Compare les principaux modèles de classification d’images, de ConvNeXt V2 et DINOv3 à EfficientNetV2, ViT et Ultralytics YOLO26-cls, et découvre comment faire ton choix.
Guides
Segmentation sémantique ou segmentation d’instances : comment choisir la bonne tâche
La segmentation sémantique attribue une classe à chaque pixel ; la segmentation d’instances distingue chaque objet. Découvre laquelle convient à ton projet de vision par ordinateur, et pourquoi.
Guides
Comment fonctionnent réellement le comptage des personnes et l’analyse de l’occupation
Comment fonctionnent le comptage des personnes et l’analyse de l’occupation : comparaison des méthodes WiFi, ToF, thermiques et par caméra, présentation des produits disponibles et guide de mise en œuvre.
Guides
Comment ajouter des analyses IA aux caméras de sécurité existantes
Trois façons d’ajouter des analyses IA à un parc de caméras existant : couches analytiques, mises à niveau du VMS et modèles hébergés en interne, ainsi que les contraintes qui déterminent le choix.
Vision AI
Détection des EPI et sécurité au travail avec Ultralytics
Crée un système de détection des EPI avec Ultralytics Platform : annote des images de site, entraîne YOLO26, déploie dans le cloud ou en périphérie et valide le suivi de la sécurité au travail.
Vision AI
Inspection qualité robotisée : pourquoi la couverture est le principal défi
Fonctionnement de l’inspection qualité robotisée : planification du balayage, étalonnage, synchronisation du robot et de la vision, fusion multi-vues, preuve de couverture et dossiers qualité.
Vision AI
Comment la vision par ordinateur guide les AMR, les AGV et les chariots élévateurs autonomes
Découvrez l’apport de la vision par ordinateur à la navigation des AMR, AGV et chariots élévateurs autonomes, la complémentarité des caméras, du lidar et de la profondeur, et la place de la sécurité.
Guides
Robotique guidée par la vision pour l’assemblage, la préparation et la dépose
Fonctionnement de la préparation et de la dépose robotisées guidées par la vision : détection, perception, étalonnage, planification de la préhension, mouvement et reprise, avec un guide de choix entre 2D et 3D.
Vision AI
Vérification de l’assemblage et prévention des erreurs par la vision par ordinateur
Comment la vision par ordinateur vérifie l’exhaustivité, la conformité et l’ordre des étapes d’assemblage : conception du poste d’imagerie, choix de la tâche du modèle, intégration au PLC et validation.
Vision AI
Détection automatisée des défauts en production : comparatif des plateformes
Compare les plateformes de détection automatisée des défauts : Cognex, Instrumental, Keyence, Landing AI, Overview et Ultralytics, et découvre comment choisir la tâche du modèle en fonction du défaut.
Guides
Alternatives à Scale AI pour l’annotation de données
Des alternatives à Scale AI pour l’annotation de données visuelles : iMerit, SuperAnnotate et Ultralytics Platform, comparées selon le coût, le délai de mise en place, le contrôle et le traitement des données.
Guides
Inférence en vision par ordinateur à grande échelle : comparatif de sept plateformes
Comparatif de sept plateformes d’inférence en vision par ordinateur : Azure ML, KServe, NVIDIA Triton, Roboflow, SageMaker AI, Ultralytics et Vertex AI, selon la latence et l’évolutivité.